Куртозис: мезокуртическое (нормальное) распределение. Асимметрия: асимметричное распределение вправо или влево. Возможно ⇐ Python

[Anonymous]

Пример 1:
Куртозис: лептокуртическое распределение
Асимметрия: правостороннее распределение
Пример 2:
Кертоз: лептокуртическое распределение
Асимметрия: распределение влево
Пример 3:
Куртозис: платикуртовое распределение
Асимметрия: распределение вправо
Пример 4:
Куртозис: платикуртное распределение
Асимметрия: асимметрия влево
Пример 5:
Куртозис: мезокуртическое (нормальное) распределение
Асимметрия : распределение вправо
Пример 6:
Куртозис: мезокуртическое (нормальное) распределение
Асимметрия: распределение влево
Пример 7:
Куртозис: лептокуртическое распределение
Асимметрия: распределение с нулевой асимметрией
Пример 8:
Куртозис: платикуртное распределение
Асимметрия: распределение с нулевым перекосом
Пример 9:
Куртозис: мезокуртическое (нормальное) распределение
Асимметрия: распределение с нулевым перекосом
Какой из приведенных выше примеров можно одновременно наблюдать в наборе данных?
Чтобы изучить характеристики распределения набора данных, мы рассмотрим показатели асимметрии и эксцесса. Асимметрия — это мера симметрии набора данных, а эксцесс предоставляет информацию о распределении вокруг среднего значения и указывает на наличие выбросов. Эти две меры рассматриваются отдельно и рассчитываются их коэффициенты. Все возможные варианты я показал в 9 примерах выше. Что из этого можно наблюдать одновременно в наборе данных? Инструменты искусственного интеллекта (такие как Gemini, GPT) могут объяснить, что все они возможны, на примерах сценариев. Однако я думаю, что примеры 3,4,5 и 6 нельзя наблюдать одновременно в наборе данных. По этой причине я попросил инструменты ИИ создать примеры фреймов данных на Python, но им это не удалось. Коэффициенты эксцесса и асимметрии не были согласованными. Я был бы очень рад, если бы вы поделились своими мыслями по этому поводу и вдохновили меня.
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

df = pd.DataFrame({'Gender': np.random.choice(['Woman', 'Man'], size=1000)})

# We use the lognormal distribution to obtain a right-skewed and mesokurtic distribution.
df['Grade'] = np.random.lognormal(mean=1, sigma=0.5, size=1000)

print(df.head())

print(df['Grade'].describe())

print('Kurtosis:', df['Grade'].kurtosis()) # it should be close to 0 (excess kurtosis - default(fisher=True)
print('Skewness:', df['Grade'].skew()) # it must be greater than 0

sns.kdeplot(data=df, x='Grade', shade=True)
plt.title('Notların KDE Dağılımı')
plt.show()


Подробнее здесь: https://stackoverflow.com/questions/791 ... ewed-distr