python scipy.stats 正态分布_scipy.stats部分库函数java实现

python统计函数库scipy.stats中entropy,skew,kurtosis,iqr四个函数的意义和java实现

1、entropy(pk, qk=None, base=None, axis=0)

熵的定义

熵是对混乱程度的度量，熵值越大，说明混乱程度越大。通常一个信源发送出什么信号是不确定的，衡量它可以根据其出现的概率来度量，概率大，出现机会多，不确定性小，反之不确定性就大。

不确定性函数f是概率P的减函数，两个独立符号所产生的不确定性应等于各自不确定性之和，这称为可加性，同时满足这两个条件的函数f是对数函数。

离散型随机变量的熵计算公式：

连续型随机变量的熵计算公式:

java实现

public double entropy() {

Array vec = new Array();

double sum = this.sum();

for (int i = 0; i < this.size(); i++) {

double pk = this.get(i)/sum;

pk = -pk * Math.log(pk);

vec.add(pk);

}

return vec.sum();

}

2、skew(a, axis=0, bias=True, nan_policy='propagate')

样本偏度

偏度衡量随机变量概率分布的不对称性，是相对于均值不对称程度的度量。若偏度为负，则均值左侧的离散度比右侧强；若偏度为正，则均值左侧的离散度比右侧弱。对于正态分布(或严格对称分布)偏度等于 0。计算公式如下：

java实现

public double skew() {

double mean = this.mean();

double std = this.std();

Array skewArray = new Array();

for (int i = 0; i < this.size(); i++) {

double x = (this.get(i) - mean)/std;

x = Math.pow(x, 3);

skewArray.add(x);

}

return skewArray.mean();

}

3、kurtosis(a, axis=0, fisher=True, bias=True, nan_policy='propagate')

样本峰度

峰度是表征概率密度分布曲线在平均值处峰值高低的特征数。直观看来，峰度反映了峰部的尖度。样本的峰度是和正态分布相比较而言统计量，如果峰度大于三，峰的形状比较尖，比正态分布峰要陡峭，反之亦然。计算公式如下：

java实现

public double kurtosis() {

double x = 0;

double y;

double mean = this.mean();

double var = this.var();

for (int i = 0; i < this.size(); i++) {

y = this.get(i) - mean;

y = Math.pow(y, 4);

x = x + y;

}

x = x/this.size();

return (x/Math.pow(var, 2))-3;

}

4、iqr，四分位距，表示第三四分位数和第一四分位数的差，代码如下：

public double iqr() {

Array sortArray = this.asarray();

sortArray.DicSort();

double position = (double)(sortArray.size()-1)/4.0;

int floor = (int) Math.floor(position);

int ceil = (int) Math.ceil(position);

double x = position - floor;

double y = ceil - position;

double q1 = sortArray.get(floor)*y+sortArray.get(ceil)*x;

position = position * 3;

floor = (int) Math.floor(position);

ceil = (int) Math.ceil(position);

x = position - floor;

y = ceil - position;

double q3 = sortArray.get(floor)*y+sortArray.get(ceil)*x;

return q3 - q1;

}