scipy.stats.
kstatvar#
- scipy.stats.kstatvar(data, n=2, *, axis=None, nan_policy='propagate', keepdims=False)[source]#
返回 k 统计量方差的无偏估计。
有关 k 统计量的更多详细信息,请参阅
kstat
和 [1]。- 参数:
- dataarray_like
输入数组。
- nint, {1, 2}, optional
默认为 2。
- axisint 或 None, default: None
如果为 int,则为计算统计量的输入轴。输入的每个轴切片(例如,行)的统计量将显示在输出的相应元素中。如果为
None
,则在计算统计量之前将展平输入。- nan_policy{‘propagate’, ‘omit’, ‘raise’}
定义如何处理输入 NaN。
propagate
: 如果在计算统计量的轴切片(例如,行)中存在 NaN,则输出的相应条目将为 NaN。omit
: 执行计算时将省略 NaN。如果计算统计量的轴切片中剩余的数据不足,则输出的相应条目将为 NaN。raise
: 如果存在 NaN,将引发ValueError
。
- keepdimsbool, default: False
如果设置为 True,则缩减的轴将保留在结果中,作为大小为 1 的维度。使用此选项,结果将正确地广播到输入数组。
- 返回:
- kstatvarfloat
第 n 个 k 统计量的方差。
注释
前两个 k 统计量的方差的无偏估计量由下式给出
\[\begin{split}\mathrm{var}(k_1) &= \frac{k_2}{n}, \\ \mathrm{var}(k_2) &= \frac{2k_2^2n + (n-1)k_4}{n(n - 1)}.\end{split}\]从 SciPy 1.9 开始,
np.matrix
输入(不建议用于新代码)在执行计算之前会转换为np.ndarray
。 在这种情况下,输出将是标量或具有适当形状的np.ndarray
,而不是 2Dnp.matrix
。 同样,虽然会忽略掩码数组的掩码元素,但输出将是标量或np.ndarray
,而不是mask=False
的掩码数组。参考文献