Python Scipy stats.kurtosistest()用法及代码示例

scipy.stats.kurtosistest(array, axis=0)函数测试给定数据集是否具有正常峰度(Fisher或Pearson)。

什么是峰度？
它是第四个中心矩除以方差的平方。它是“tailedness”的量度，即real-valued随机变量的概率分布形状的描述符。简而言之，这可以说是衡量粗尾与正态分布相比的一种方法。

其公式-

参数：
array :具有元素的输入数组或对象。
axis :将计算峰度测试的轴。默认情况下，轴= 0。

返回：正态分布数据集的Z-score(统计值)和P-value。

代码1：

# Graph using numpy.linspace()  
# finding kurtosis 
  
from scipy.stats import kurtosistest 
import numpy as np  
import pylab as p  
  
x1 = np.linspace( -5, 5, 1000 ) 
y1 = 1./(np.sqrt(2.*np.pi)) * np.exp( -.5*(x1)**2  ) 
  
p.plot(x1, y1, '*') 
  
  
print( '\nKurtosis for normal distribution:\n', kurtosistest(y1))

输出：

Kurtosis for normal distribution:
 KurtosistestResult(statistic=-2.2557936070461615, pvalue=0.024083559905734513)