随机变量的非高斯度量方法之峰度法

        在进行图像和声音的压缩和去噪等处理时，常用的方法是ICA（independent component analysis），而ICA算法又是基于非高斯分布假设的，因此了解问题所涉及的变量是不是高斯分布，决定了是否能用ICA算法。

一，峰度（kurtosis）定义

                 设 y是经过零均值方差单位化处理的随机变量，则y的峰度为：

                  kurt(y)=E(y^4)-3*(E(y^2))^2

         又因为y的均值为零方差为1，则峰度计算可简化为：           

                  kurt(y)=E(y^4)-3

二，峰度的性质：

                 (1) kurt(x1+x2)=kurt(x1)+kurt(x2)

                  (2)   kurt(a*x1)=a^4*kurt(x1)

三 峰度的缺陷：

           随机变量的峰度值取决于变量概率分布的两端尾部少量的观测值，而这些观测值可能由于一些人为原因或其他的原因，和实际值不符，或是说错误的，离异的。所以说随机变量的峰度受异常值影响较大。

 四参考文献：Independent Component Analysis:Algorithms and Applications

 随后会有其他随机变量非高斯定量计算方法的介绍。