scipy.stats.

kurtosistest#

scipy.stats.kurtosistest(a, axis=0, nan_policy='propagate', alternative='two-sided', *, keepdims=False)[source]#

测试数据集是否具有正态峰度。

此函数检验零假设:样本的总体峰度与正态分布的峰度相同。

参数:
a数组

样本数据的数组。必须包含至少五个观测值。

axisint 或 None,默认值:0

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输入展平。

nan_policy{‘propagate’, ‘omit’, ‘raise’}

定义如何处理输入 NaN。

  • propagate:如果轴切片(例如行)中存在 NaN,则计算统计量,输出的相应条目将为 NaN。

  • omit:执行计算时将省略 NaN。如果轴切片中剩余的数据不足,则计算统计量,输出的相应条目将为 NaN。

  • raise:如果存在 NaN,将引发 ValueError

alternative{‘two-sided’, ‘less’, ‘greater’}, 可选

定义备择假设。以下选项可用(默认值为“two-sided”)

  • “two-sided”:样本基础分布的峰度与正态分布的峰度不同

  • “less”:样本基础分布的峰度小于正态分布的峰度

  • “greater”:样本基础分布的峰度大于正态分布的峰度

1.7.0 版本新增。

keepdimsbool,默认值:False

如果设置为 True,则减少的轴将保留在结果中,作为大小为 1 的维度。使用此选项,结果将针对输入数组正确广播。

返回值:
statisticfloat

此测试的计算 z 分数。

pvaluefloat

假设检验的 p 值。

另请参阅

峰度测试

扩展示例

注释

仅对 n>20 有效。此函数使用 [1] 中描述的方法。

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 2D np.matrix。同样,虽然会忽略屏蔽数组的屏蔽元素,但输出将是标量或 np.ndarray,而不是 mask=False 的屏蔽数组。

kurtosistest 除了 NumPy 之外,还对 Python Array API Standard 兼容的后端提供实验性支持。请考虑通过设置环境变量 SCIPY_ARRAY_API=1 并提供 CuPy、PyTorch、JAX 或 Dask 数组作为数组参数来测试这些功能。支持以下后端和设备(或其他功能)的组合。

CPU

GPU

NumPy

不适用

CuPy

不适用

PyTorch

JAX

⚠️ 无 JIT

⚠️ 无 JIT

Dask

⚠️ 计算图

不适用

有关更多信息,请参见 支持数组 API 标准

参考文献

[1]

F. J. Anscombe, W. J. Glynn, “Distribution of the kurtosis statistic b2 for normal samples”, Biometrika, vol. 70, pp. 227-234, 1983.

示例

>>> import numpy as np
>>> from scipy.stats import kurtosistest
>>> kurtosistest(list(range(20)))
KurtosistestResult(statistic=-1.7058104152122062, pvalue=0.08804338332528348)
>>> kurtosistest(list(range(20)), alternative='less')
KurtosistestResult(statistic=-1.7058104152122062, pvalue=0.04402169166264174)
>>> kurtosistest(list(range(20)), alternative='greater')
KurtosistestResult(statistic=-1.7058104152122062, pvalue=0.9559783083373583)
>>> rng = np.random.default_rng()
>>> s = rng.normal(0, 1, 1000)
>>> kurtosistest(s)
KurtosistestResult(statistic=-1.475047944490622, pvalue=0.14019965402996987)

有关更详细的示例,请参见 峰度测试