scipy stats .峰度()函数| Python
原文:https://www.geesforgeks.org/scipy-stats-峰度-function-python/
**scipy.stats.kurtosis(array, axis=0, fisher=True, bias=True)**函数计算数据集的峰度(Fisher 或 Pearson)。它是第四个中心矩除以方差的平方。它是“尾部”的度量，即实值随机变量概率分布的形状描述符。简单来说，可以说它是衡量尾部相对于正态分布有多重的标准。
其公式–
参数: 数组:输入数组或有元素的对象。 轴:测量峰度值的轴。默认情况下，轴= 0。 费希尔:Bool；如果为真，则使用费希尔定义(正常 0.0)；否则，如果设置为 False，将使用 Pearson 的定义(normal 3.0)。 偏向:Bool；如果设置为假，计算将针对统计偏差进行校正。
返回:数据集正态分布的峰度值。
代码#1:
# Graph using numpy.linspace()
# finding kurtosis
from scipy.stats import kurtosis
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 :', kurtosis(y1))
print( '\nKurtosis for normal distribution :',
kurtosis(y1, fisher = False))
print( '\nKurtosis for normal distribution :',
kurtosis(y1, fisher = True))
输出:
Kurtosis for normal distribution : -0.3073930877422071
Kurtosis for normal distribution : 2.692606912257793
Kurtosis for normal distribution : -0.3073930877422071
