Question

我有这个代码使用我自己的代码来计算峰度（http://mathworld.wolfram.com/Kurtosis.html）并将其与scipy.stats.kurtosis进行比较

a = array([   1. ,    2. ,    2.5,  400. ,    6. ,    0. ])
#kurtosis (gives: 4.19886)
print (sum((a - np.mean(a)) ** 4)/len(a)) / np.std(a)**4
# scipy kurtosis (gives: 5.996677)
print scipy.stats.kurtosis(a,bias=False)

为什么scipy会给出不同的结果？我遵循mathworld中的定义。

Answer 1

如果您阅读了scipy的峰度函数的documentation，scipy默认会导致过度峰度（减去3）：

scipy.stats.kurtosis（a，axis = 0，fisher = True，bias = True）

计算数据集的峰度（Fisher或Pearson）。

Kurtosis是第四个中心时刻除以广场的平方   方差。如果使用Fisher的定义，则从中减去3.0   结果为0.0给出正态分布。

如果偏差为假，则使用k统计来计算峰度   消除偏差矩估计的偏差

将fisher设置为False会为您提供所期望的内容：

In [1]: a = np.array([   1. ,    2. ,    2.5,  400. ,    6. ,    0. ])

In [2]: scipy.stats.kurtosis(a, fisher=False)
Out[2]: 4.198860780044809

如何在scipy中计算出峰度？

1 个答案: