scipy是如何计算峰度的？

我有这样的代码使用自己的代码来计算峰度（http://mathworld.wolfram.com/Kurtosis.html），我把它比作scipy.stats.kurtosisscipy是如何计算峰度的？

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的给不同的结果？我遵循数学世界的定义。

来源

2014-11-09 user248237dfsf

如果你读SciPy的的峰度函数的documentation，SciPy的是calculting默认超额峰度（与减3）：

scipy.stats.kurtosis（A，轴= 0，渔民=真， bias = True）

计算数据集的峰度（Fisher或Pearson）。

峰度是第四中心时刻除以方差的平方。如果使用费希尔定义，则从中减去3.0，得到正态分布的0.0。

如果偏差为假，则峭度用k统计消除偏见来自偏置时刻来临计算估计器

设置fisher到False会给你你所期望的：

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

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

来源

2014-11-09 01:37:31 mtrbean

非常违反直觉 - 为什么不'scipy.stats.kurtosis（a，fisher = False，bias = False）''给出与我的代码相同的答案？我的代码没有偏差修正 – user248237dfsf 2014-11-09 01:38:47

显然，对'bias'参数的解释很混乱。设置'bias = False'会做偏差修正，而不是相反。 – mtrbean 2014-11-09 01:42:48

scipy是如何计算峰度的？

回答

相关问题