Kurtoza Scipy

Python jest popularny jako język programowania oprogramowania ogólnego, który działa dla kilku aplikacji. Ten język obejmuje operacje obiektowe, matematyczne, struktury danych i programowanie funkcjonalne. SCIPY to pakiet biblioteczny, który Python zapewnia analizę danych i wykonywanie różnych operacji uczenia maszynowego, które obejmują algorytmy, optymalizatory, integrację, interpolację i równania różniczkowe. SCIPY oferuje kurtozę funkcji ze swojego modułu „Stats”. Wiadomo, że kurtoza jest miarą tego, w jaki sposób wynik lub informację jest rozkładana na szczycie i ogon rozkładu w porównaniu z pikiem rozkładu normalnego.

Procedura:

Artykuł jest zgodny z metodą Scipy Kurtosis (), aby dowiedzieć się, w jaki sposób informacje są dystrybuowane na ogonach lub jak ciężki ogon rozkładu jest z rozkładu normalnego. Zjawisko i metoda wywołania kurtozy Scipy za pomocą podanych parametrów wejściowych wyjaśniono w tym artykule. Program Python, którego użyjemy do uruchamiania i wykonania kodów Python, jest „Google COLLAB”. Jest to internetowa platforma typu open source, która umożliwia szybkie wykonywanie programu poprzez dostarczanie już zainstalowanych pakietów wszystkich bibliotek w Python.

Składnia:

Aby wywołać funkcję Kurtosis () w naszym programie, musimy znać składnię funkcji, a także powinni być świadomi argumentu wejściowego, który funkcja podejmuje, aby funkcja działała poprawnie i zwrócić wymagane dane wyjściowe. Funkcję Kurtosis () w skrypcie Python można zapisać jako:

$ scipy.statystyki.kurtoza (a, oś = 0, fisher = true, stronniczość = true)

„A” na liście parametrów określa dane lub tablicę, której kurtoza chcemy obliczyć. Oś to oś, którą chcemy znaleźć kurtozę. Ostatecznym parametrem na liście parametrów jest Fisher. Jeśli ten parametr jest ustawiony na boolean true, oblicza to kurtozę rybaka. W przeciwnym razie w przypadku fałszywej, znajduje kurtozę Pearsona.

Wartość zwracana:

Wartość zwracana funkcji kurtozy jest wartością samej kurtozy. Jeśli jest to pozytywne, oznacza to, że istnieje wystarczająca liczba wartości odstających w dystrybucji. Aw przypadku ujemnej wartości kurtozy mówi, że rozkład jest bardziej jednolity w porównaniu z rozkładem normalnym.

Przykład 1:

Rozwiążmy przykład kurtozy za pomocą parametrów, które omówiliśmy w składni. Aby użyć funkcji kurtozy, musimy zdefiniować zmienne losowe jako dane dla funkcji kurtozy, aby kurtoza mogła sprawdzić rozkład jej obserwacji na ogonach i wartości szczytowej. Aby zdefiniować zmienne losowe, istnieje inna metoda: „Norma. RVS ”, który jest atrybutem z modułu„ Scipy Stats ”. Tak więc importujemy normę ze statystyk jako „z Scipy. Statystyki importowe normy ”. Teraz, aby wygenerować losowe zmienne o rozmiarze „4000” za pomocą funkcji Norm, napisz „Statystyki. norma. RVS (rozmiar = 4000, Random_State = 5) ”.

Ilekroć uzyskujemy dostęp do atrybutu z modułu konkretnej biblioteki, ponieważ użyliśmy atrybutu „Norm” modułu „statystyki” z biblioteki „Scipy”, zawsze nazywamy atrybut z prefiksem tego modułu, z którego go importowaliśmy funkcja, która działa poprawnie. Przechowujemy te losowo wygenerowane dane w jakiejś zmiennej o nazwie „Data_”. Teraz nadszedł czas na obliczenie kurtozy dla tych losowo wygenerowanych danych. Możemy to zrobić, po prostu przekazując ten parametr do parametru wejściowego funkcji Kurtosis () z innym określonym parametrem.

Importujemy funkcję kurtozy z „Scipy. statystyki ”. Następnie używamy tego importowanego modułu Kurtosis w programie. Nazywamy kurtosis z statystykami prefiksów jako „statystyki. Kurtosis (data_, fisher = true) ”. Zauważ, że podajemy „dane” jako tablicę wejściową i określamy rybaka, aby Boolean „True” do obliczenia kurtozy Fishera. Uruchom i wykonaj następujący zdefiniowany kod, aby sprawdzić wartość kurtozy w wyjściu programu:

Wyjście funkcji jest wartością ujemną, która jest równa „- 0.0322 16 ”. Oznacza to, że funkcja gęstości prawdopodobieństwa jest bardziej jednolita pod względem rozkładu w porównaniu z rozkładem normalnym.

Przykład 2:

Teraz wykonujemy kurtozę Pearsona, aby sprawdzić ogonowość rozkładu danych. Rozpoczwiamy ten przykład, tworząc nowy projekt w „Google COLLAB”. Następnie zaczynamy pisać program, importując ważne biblioteki i ich moduły zależne do projektu. Importujemy „kurtozę” i „normę .RVS ”z modułu Scipy Stats. Norma.RV pozwalają nam generować zmienne losowe. Następnie przekazujemy te dane do metody kurtozy.

Teraz nazywamy „statystyki. norma. RVS (rozmiar = 5000, Random_State = 5) ”. To generuje rozkład dla 5000 zmiennych losowych. Przekazujemy te dane do funkcji kurtozy jako jej tablicy wejściowej. Tym razem ustawiamy wartość parametru Fishera, która jest równa logicznie „Fałsz”. Następnie wyświetlamy wyniki z programu. Program dla tego przykładu pokazano na poniższym rysunku:

Po wykonaniu wcześniej wspomnianego programu uzyskaliśmy wartość wyjściową Kurtozy jako wartość dodatnią, która jest przeciwna do wartości kurtozy, gdy ustawiamy Fishera na boolean true. Ta pozytywna wartość dla kurtozy stwierdza, że ​​istnieje więcej wartości odstających w rozmieszczeniu tych danych. Stąd nie jest bardziej jednolity w porównaniu z jego rozkładem normalnym.

Wniosek

Metoda wdrożenia funkcji scipy kurtozy została wyjaśniona i praktycznie wykazana w tym artykule. Wykorzystaliśmy kurtozę, aby znaleźć miarę, w jaki sposób dane są dystrybuowane w piku i wartości ogonowanych rozkładu. Obliczyliśmy zarówno Kurtozę Pearsona, jak i Fishera, aby dowiedzieć.