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)
相关用法
- Python Scipy stats.mean()用法及代码示例
- Python Scipy stats.sem()用法及代码示例
- Python Scipy stats.tmin()用法及代码示例
- Python Scipy stats.tsem()用法及代码示例
- Python Scipy stats.binned_statistic_2d()用法及代码示例
- Python Scipy stats.describe()用法及代码示例
- Python Scipy stats.tmax()用法及代码示例
- Python Scipy stats.tstd()用法及代码示例
- Python Scipy stats.binned_statistic_dd()用法及代码示例
- Python Scipy stats.binned_statistic()用法及代码示例
- Python Scipy stats.bayes_mvs()用法及代码示例
- Python Scipy stats.gmean()用法及代码示例
注:本文由纯净天空筛选整理自vishal3096大神的英文原创作品 scipy stats.kurtosistest() function | Python。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。