如何在scipy中计算出峰度？

Question

我有这个代码来计算kurtosis（ http://mathworld.wolfram.com/Kurtosis.html ）使用我自己的代码，我将它与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

如果你阅读了scipy的峰度函数的文档 ，scipy默认是暗示过度的Kurtosis（减3）：

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

计算数据集的峰度（Fisher或Pearson）。

峰度是第四个中心矩，除以方差的平方。 如果使用Fisher的定义，则从结果中减去3.0，得到0.0表示正态分布。

如果偏差为假，则使用k统计量来计算峰度，以消除来自偏差矩估计量的偏差

将fisher设置为False将为您提供您所期望的：

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

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