Con la ayuda del statsmodels.expected_robust_kurtosis()
método, podemos calcular el valor esperado de la medida de curtosis robusta utilizando statsmodels.expected_robust_kurtosis()
el método.
Sintaxis:
statsmodels.expected_robust_kurtosis(ab, db)
Devolver: Devuelve el valor de cuatro curtosis, es decir, kr1, kr2, kr3 y kr4.
Ejemplo #1:
En este ejemplo, podemos ver que al usar statsmodels.expected_robust_kurtosis()
el método, podemos obtener el valor esperado de la medida de curtosis robusta al usar este método.
# import numpy and statsmodels import numpy as np from statsmodels.stats.stattools import expected_robust_kurtosis # Using statsmodels.expected_robust_kurtosis() method gfg = expected_robust_kurtosis() print(gfg)
Producción :
[3,0000000 1,23309512 2,58522712 2,90584695]
Ejemplo #2:
# import numpy and statsmodels import numpy as np from statsmodels.stats.stattools import expected_robust_kurtosis # Using statsmodels.expected_robust_kurtosis() method gfg = expected_robust_kurtosis([12, 22], [6, 7]) print(gfg)
Producción :
[3,0000000 1,23309512 1,23859789 1,0535188]
Publicación traducida automáticamente
Artículo escrito por Jitender_1998 y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA