Hướng dẫn plot kurtosis in python - âm mưu kurtosis ở trăn
Tính toán Kurtosis (Fisher hoặc Pearson) của một bộ dữ liệu. Kurtosis là khoảnh khắc trung tâm thứ tư chia cho bình phương phương sai. Nếu định nghĩa của Fisher, được sử dụng, thì 3.0 được trừ vào kết quả để cung cấp 0,0 cho phân phối bình thường. Nếu sai lệch là sai thì kurtosis được tính toán bằng cách sử dụng k thống kê để loại bỏ sai lệch đến từ các công cụ ước tính thời điểm sai lệch Sử dụng Dữ liệu mà kurtosis được tính toán. trục hoặc không, mặc định: 0int or None, default: 0int or None, default: 0Nếu một int, trục của đầu vào dọc theo đó để tính toán thống kê. Thống kê của mỗi slice trục (ví dụ: hàng) của đầu vào sẽ xuất hiện trong một phần tử tương ứng của đầu ra. Nếu >>> import matplotlib.pyplot as plt >>> import scipy.stats as stats >>> from scipy.stats import kurtosis1, đầu vào sẽ được tắt trước khi tính toán thống kê. Nếu đúng, định nghĩa của Fisher, được sử dụng (bình thường ==> 0,0). Nếu sai, định nghĩa Pearson, được sử dụng (bình thường ==> 3.0). Biasbool, tùy chọnbool, optionalbool, optionalNếu sai, thì các tính toán được sửa chữa cho sai lệch thống kê. Nan_policy {‘tuyên truyền,‘ OMIT, ‘Nâng cao}{‘propagate’, ‘omit’, ‘raise’}{‘propagate’, ‘omit’, ‘raise’}Xác định cách xử lý Nans đầu vào.
Nếu điều này được đặt thành TRUE, các trục bị giảm được để lại trong kết quả là kích thước với kích thước một. Với tùy chọn này, kết quả sẽ phát sóng chính xác so với mảng đầu vào. ReturnskurtosisarraykurtosisarraykurtosisarrayKurtosis của các giá trị dọc theo một trục, trả lại NaN trong đó tất cả các giá trị đều bằng nhau. Ghi chú Bắt đầu trong đầu vào SCIPY 1.9, >>> import matplotlib.pyplot as plt >>> import scipy.stats as stats >>> from scipy.stats import kurtosis0 (không được khuyến nghị cho mã mới) được chuyển đổi thành >>> import matplotlib.pyplot as plt >>> import scipy.stats as stats >>> from scipy.stats import kurtosis1 trước khi tính toán được thực hiện. Trong trường hợp này, đầu ra sẽ là vô hướng hoặc >>> import matplotlib.pyplot as plt >>> import scipy.stats as stats >>> from scipy.stats import kurtosis1 có hình dạng phù hợp thay vì 2D >>> import matplotlib.pyplot as plt >>> import scipy.stats as stats >>> from scipy.stats import kurtosis0. Tương tự, trong khi các phần tử đeo mặt nạ của các mảng đeo mặt nạ bị bỏ qua, đầu ra sẽ là vô hướng hoặc >>> import matplotlib.pyplot as plt >>> import scipy.stats as stats >>> from scipy.stats import kurtosis1 thay vì một mảng đeo mặt nạ với >>> import matplotlib.pyplot as plt >>> import scipy.stats as stats >>> from scipy.stats import kurtosis5. Người giới thiệu 1Zwillinger, D. và Kokoska, S. (2000). Xác suất tiêu chuẩn CRC và bảng thống kê và công thức. Chapman & Hall: New York. 2000. Ví dụ Trong Fisher, Definiton, kurtosis của phân phối bình thường bằng không. Trong ví dụ sau, kurtosis gần bằng không, vì nó được tính toán từ bộ dữ liệu, không phải từ phân phối liên tục. >>> from scipy.stats import norm, kurtosis >>> data = norm.rvs(size=1000, random_state=3) >>> kurtosis(data) -0.06928694200380558 Sự phân phối với kurtosis cao hơn có đuôi nặng hơn. Không có giá trị có giá trị của phân phối bình thường trong định nghĩa của Fisher có thể đóng vai trò là điểm tham chiếu. >>> import matplotlib.pyplot as plt >>> import scipy.stats as stats >>> from scipy.stats import kurtosis >>> x = np.linspace(-5, 5, 100) >>> ax = plt.subplot() >>> distnames = ['laplace', 'norm', 'uniform'] >>> for distname in distnames: ... if distname == 'uniform': ... dist = getattr(stats, distname)(loc=-2, scale=4) ... else: ... dist = getattr(stats, distname) ... data = dist.rvs(size=1000) ... kur = kurtosis(data, fisher=True) ... y = dist.pdf(x) ... ax.plot(x, y, label="{}, {}".format(distname, round(kur, 3))) ... ax.legend() Phân phối Laplace có đuôi nặng hơn so với phân phối bình thường. Sự phân bố đồng đều (có kurtosis âm tính) có đuôi mỏng nhất. |