Python Scipy stats.kurtosistest()用法及代碼示例

scipy.stats.kurtosistest(array, axis=0)函數測試給定數據集是否具有正常峰度(Fisher或Pearson)。

什麽是峰度？
它是第四個中心矩除以方差的平方。它是“tailedness”的量度，即real-valued隨機變量的概率分布形狀的描述符。簡而言之，這可以說是衡量粗尾與正態分布相比的一種方法。

其公式-

參數：
array :具有元素的輸入數組或對象。
axis :將計算峰度測試的軸。默認情況下，軸= 0。

返回：正態分布數據集的Z-score(統計值)和P-value。

代碼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))

輸出：

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