Curtose Scipy

O Python é popular como a linguagem de programação de software de uso geral, que funciona para vários aplicativos. Este idioma inclui operações matemáticas orientadas a objetos, estruturas de dados e programação funcional. O Scipy é um pacote de bibliotecas que o Python fornece para análise de dados e para executar as várias operações de aprendizado de máquina que incluem algoritmos, otimizadores, integração, interpolação e equações diferenciais. O Scipy oferece a curtose da função de seu módulo "estatísticas". Sabe -se que a curtose é a medida de como uma pontuação ou as informações são distribuídas no pico e a cauda da distribuição em comparação com o pico de distribuição normal.

Procedimento:

O artigo segue o método Scipy Curtosis () para descobrir como a informação é distribuída nas caudas ou quão pesada a cauda da distribuição é da distribuição normal. O fenômeno e o método para chamar a curtose da círculo com seus parâmetros de entrada fornecidos são explicados neste artigo. O programa Python que usaremos para executar e executar os códigos Python é o "Google Collab". É uma plataforma on-line de código aberto que permite a execução rápida do programa, fornecendo os pacotes já instalados para todas as bibliotecas do Python.

Sintaxe:

Para chamar a função de kurtose () em nosso programa, precisamos conhecer a sintaxe da função e também deve estar ciente do argumento de entrada que a função leva para fazer a função funcionar corretamente e retornar a saída necessária. A função de kurtose () no script python pode ser escrita como:

$ scipy.Estatísticas.Curtose (a, eixo = 0, pescador = true, viés = true)

O "A" na lista de parâmetros define os dados ou a matriz cuja curtose queremos calcular. Eixo é o eixo ao longo do qual queremos encontrar a curtose. O parâmetro final na lista de parâmetros é o Fisher. Se este parâmetro estiver definido como booleano true, isso calcula a curtose Fisher. Caso contrário, no caso de False, ele encontra a curtose de Pearson.

Valor de retorno:

O valor de retorno da função de curtose é o valor da própria curtose. Se for positivo, isso significa que existe um número suficiente de outliers na distribuição. E no caso do valor negativo para a curtose, ele diz que a distribuição é mais uniforme em comparação com a distribuição normal.

Exemplo 1:

Vamos resolver um exemplo para curtose com os parâmetros que discutimos na sintaxe. Para usar a função de curtose, precisamos definir as variáveis ​​aleatórias como os dados para a função de curtose, para que a curtose possa verificar a distribuição de suas observações sobre as caudas e valores de pico. Para definir as variáveis ​​aleatórias, existe outro método: “Norm. RVs ”, que é um atributo do módulo“ Scipy Stats ”. Então, importamos a norma das estatísticas como “do Scipy. estatísticas importam norma ”. Agora, para gerar as variáveis ​​aleatórias com o tamanho “4000” com a ajuda da função da norma, escreva “estatísticas. norma. RVs (tamanho = 4000, random_state = 5) ”.

Sempre que acessamos o atributo do módulo da biblioteca específica, uma vez que usamos o atributo "norma" do módulo "estatísticas" da biblioteca "Scipy", sempre chamamos o atributo com o prefixo desse módulo de onde o importamos para a função de funcionar corretamente. Armazenamos esses dados gerados aleatoriamente em alguma variável chamada "Data_". Agora é a hora de calcular a curtose para esses dados gerados aleatoriamente. Podemos fazê -lo simplesmente passando este parâmetro para o parâmetro de entrada da função Kurtosis () com outro parâmetro especificado.

Nós importamos a função de curtose do “ccepy. Estatísticas". Em seguida, usamos este módulo de curtose importado no programa. Chamamos a curtose com as estatísticas do prefixo como “estatísticas. Curtose (Data_, Fisher = True) ”. Observe que damos os "dados_" como uma matriz de entrada e especificamos o pescador para boolean "verdadeiro" para calcular a curtose de Fisher. Execute e execute o seguinte código definido para verificar o valor da curtose na saída do programa:

A saída da função é um valor negativo que é igual ao “- 0.0322 16 ”. Isso significa que a função de densidade de probabilidade é mais uniforme em distribuição em comparação com a distribuição normal.

Exemplo 2:

Agora realizamos a curtose de Pearson para verificar a cauda da distribuição dos dados. Iniciamos este exemplo criando um novo projeto no "Google Collab". Em seguida, começamos a escrever o programa importando algumas bibliotecas importantes e seus módulos dependentes para o projeto. Nós importamos a "curtose" e a "norma .RVs ”do módulo Scipy Stats. A norma.RVs nos permite gerar as variáveis ​​aleatórias. Em seguida, passamos esses dados para o método de curtose.

Agora, chamamos as “estatísticas. norma. RVs (tamanho = 5000, Random_state = 5) ”Método. Isso gera a distribuição para as 5000 variáveis ​​aleatórias. Passamos esses dados para a função de curtose como sua matriz de entrada. Então, desta vez, definimos o valor do parâmetro Fisher que é igual ao booleano "falso". Em seguida, exibimos os resultados do programa. O programa para este exemplo é mostrado na figura a seguir:

Depois de executar o programa anteriormente mencionado, obtivemos o valor de saída para a curtose ser o valor positivo que é oposto ao valor da curtose quando colocamos o pescador para o booleano verdadeiro. Esse valor positivo para a curtose afirma que existe mais discrepantes na distribuição desses dados. Portanto, não é mais uniforme em comparação com sua distribuição normal.

Conclusão

O método para implementar a função Scipy Curtosis é explicado e praticamente demonstrado neste artigo. Usamos curtose para encontrar a medida de como os dados são distribuídos no pico e os valores de cauda da distribuição. Calculamos a curtose de Pearson e Fisher para saber sobre a diferença que esses dois métodos mantêm em seus resultados.