Ctrl+K
scipy.stats.

kurtosistest#

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

測試資料集是否具有常態峰度。

此函數檢定虛無假設：樣本取樣自的母體峰度，與常態分佈的峰度相同。

參數:
aarray

樣本資料的陣列。必須包含至少五個觀測值。

axisint 或 None，預設值：0

若為整數，則為計算統計量的輸入軸。輸入的每個軸切片（例如，列）的統計量將出現在輸出的對應元素中。若為 None，則輸入將在計算統計量之前被展平。

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

定義如何處理輸入的 NaN 值。

  • propagate：若在計算統計量的軸切片（例如，列）中存在 NaN 值，則輸出的對應條目將為 NaN。

  • omit：在執行計算時將省略 NaN 值。若在計算統計量的軸切片中剩餘的資料不足，則輸出的對應條目將為 NaN。

  • raise：若存在 NaN 值，將引發 ValueError。

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

定義對立假設。以下選項可用（預設為 ‘two-sided’）

  • ‘two-sided’：樣本底層分佈的峰度與常態分佈的峰度不同

  • ‘less’：樣本底層分佈的峰度小於常態分佈的峰度

  • ‘greater’：樣本底層分佈的峰度大於常態分佈的峰度

在 1.7.0 版本中新增。

keepdimsbool，預設值：False

若設定為 True，則縮減的軸將保留在結果中，作為大小為一的維度。使用此選項，結果將正確地與輸入陣列進行廣播。

返回:
statisticfloat

此檢定的計算 z 分數。

pvaluefloat

假設檢定的 p 值。

參見

峰度檢定

擴展範例

註解

僅適用於 n>20。此函數使用 [1] 中描述的方法。

從 SciPy 1.9 開始，np.matrix 輸入（不建議用於新程式碼）在執行計算之前會轉換為 np.ndarray。在此情況下，輸出將為純量或 np.ndarray 的適當形狀，而不是 2D np.matrix。同樣地，雖然會忽略遮罩陣列的遮罩元素，但輸出將為純量或 np.ndarray，而不是 mask=False 的遮罩陣列。

參考文獻

[1]

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

範例

>>> 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)

如需更詳細的範例，請參閱 峰度檢定。

在本頁中