python 数学期望_机器学习数学笔记|偏度与峰度及其python实现

机器学习数学笔记|偏度与峰度及其python实现

觉得有用的话,欢迎一起讨论相互学习~

本博客为七月在线邹博老师机器学习数学课程学习笔记

为七月在线打call!!

课程传送门

矩

对于随机变量X,X的K阶原点矩为

\[E(X^{k})

\]

X的K阶中心矩为

\[E([X-E(X)]^{k})

\]

期望实际上是随机变量X的1阶原点矩,方差实际上是随机变量X的2阶中心矩

变异系数(Coefficient of Variation):标准差与均值(期望)的比值称为变异系数,记为C.V

偏度Skewness(三阶)

峰度Kurtosis(四阶)

偏度与峰度

利用matplotlib模拟偏度和峰度

计算期望和方差

import matplotlib.pyplot as plt

import math

import numpy as np

def calc(data):

n=len(data) # 10000个数

niu=0.0 # niu表示平均值,即期望.

niu2=0.0 # niu2表示平方的平均值

niu3=0.0 # niu3表示三次方的平均值

for a in data:

niu += a

niu2 += a**