比较Matlab和Apache统计-峰度

您好，我目前正在比较Matlab和Apache函数之间的统计数据。 这里用Java测试Apache函数。 对于同一组数据，我从双数组（double[]）中得到不同的结果，如下所示：

---------------------------------------
           Matlab       vs Apache
---------------------------------------
max      = 0.5451       vs 0.5450980392156862
min      = 0.4941       vs 0.49411764705882355
var      = 5.4154e-05   vs 5.415357603461868E-5
std      = 0.0074       vs 0.007358911334879547
mean     = 0.5206       vs 0.5205525290240967
kurtosis = 3.3442       vs 0.35227427833465486
skewness = 0.2643       vs 0.26466432504210746

我反复检查我的数据，Matlabs中的每个值都与Java中使用的值相同。 这里我们可以看到，除了峰度，所有的统计数据都是相同的

峰度的计算是否可能不同于Matlab和Apache库？ 如果是，那么我应该信任哪些数据

---

编辑 我的数据是图像矩阵的子集（包含像素值）。 对于每个子集，我计算上述统计信息。每次，除了峰度，所有的统计数据都完全匹配

用于计算我的子集峰度的matlab代码如下所示：

kurtosis( sub(:) ); // sub is a n x m matrix

而我在Java中使用的是：

import org.apache.commons.math3.stat.descriptive.moment.Kurtosis;
// ...
Kurtosis kurt = new Kurtosis();
System.out.println("-kurtosis: " + kurt.evaluate(subImg) );

---

subImg是一个双[n x m]数组。

您也可以通过导入函数在Matlab中计算Apache Java统计信息。Apache函数使用了一个无偏估计值。峰度意味着减去3，使正态分布的峰度等于零

为了演示它，我还利用函数（）制作了一个Matlab函数：

以及命令窗口中显示Matlab Apache实现、Java Apache实现和Matlab版本（biassed/unbiassed）的代码：

ans=0.0016

kurt = Kurtosis();
kurt.evaluate(x)

ans=0.0016

kurtosis(x)

ans=3.0010

kurtosis(x,0)

ans=3.0016

kurtosis(x)

还请注意：

因此，使用0标志时，无偏Matlab实现与Apache版本完全相同，即减去3使其成为多余的峰度。

(kurtosis(x,0)-3)-kurt.evaluate(x)

---

ans=3.8636e-14

您好，谢谢您的回复！你说的我真的很懂！至少我想我明白了。因此，我想澄清一下。我将值放入数组x中。在matlab中：峰度（x，0）-3=4.9969。使用Apache:kurtosis.evaluate（x）=4.99689，这是一致的。因此，如果我想在Java中获得matlab峰度（x，1），我只需要幼稚地操作matlab k0方程，结果是：双k1=1/（n-1）*[（（峰度。评估（x）*（n-2）*（n-3））/（n-1））+3*（n-1）]，但是我发现k1=4.87，而matlab峰度（x，1）=3.24。我的错误在哪里？我很困惑。如果我把方程中的值3放回去（（峰度，求值（x）-3）…那么我得到k1=3.7488，这更接近于你向我解释的内容，但不合逻辑。。参考资料：x=[1234354346]；Try n=长度（x）；k0=kurt.评价（x）+3；k1=（6*k0+9*n-5*k0*n+k0*n^2-15）/（n^2-1）我试过了。结果与matlab数据完全匹配，非常感谢！你在哪里/怎么找到这个公式的？我有点懒：syms k0 k1 n，solve（'k0==（（n-1）*（k1*（n+1）-3*n+3））/（（n-2）*（n-3））+3'，k1）

(kurtosis(x,0)-3)-kurt.evaluate(x)