Julia 中的峰态函数
Kurtosis function in Julia
所以我一直在研究 Julia，我发现计算概率分布峰度的函数在 Julia 和 MATLAB 之间的实现方式不同。
在 Julia 中，执行：
using Distributions
dist = Beta(3, 5)
x = rand(dist, 10000)
kurtosis(x) #gives a value approximately around -0.42
在 MATLAB 中执行：
x = betarnd(3, 5, [1, 10000]);
kurtosis(x) %gives something approximately around 2.60
这里发生了什么？为什么两种语言的峰度不同？
如此处解释：http://www.itl.nist.gov/div898/handbook/eda/section3/eda35b.htm
我们经常使用超额峰度（Kurtosis - 3），使正态分布的（超额）峰度变为零。如 distributions.jl docs 所示，这是 Julia 中 kurtosis(x) 使用的内容。
Matlab 不使用多余的度量（docs 中甚至有一个注释提到了这个潜在的问题）。
所以我一直在研究 Julia，我发现计算概率分布峰度的函数在 Julia 和 MATLAB 之间的实现方式不同。
在 Julia 中，执行：
using Distributions
dist = Beta(3, 5)
x = rand(dist, 10000)
kurtosis(x) #gives a value approximately around -0.42
在 MATLAB 中执行：
x = betarnd(3, 5, [1, 10000]);
kurtosis(x) %gives something approximately around 2.60
这里发生了什么？为什么两种语言的峰度不同？
如此处解释：http://www.itl.nist.gov/div898/handbook/eda/section3/eda35b.htm
我们经常使用超额峰度（Kurtosis - 3），使正态分布的（超额）峰度变为零。如 distributions.jl docs 所示，这是 Julia 中 kurtosis(x) 使用的内容。
Matlab 不使用多余的度量（docs 中甚至有一个注释提到了这个潜在的问题）。