问题描述
我想探索具有相同均值的正态分布，但是 改变标准。
我预计峰度会随着标准而改变， 但在我的结果中峰度保持不变？
这里有什么问题？
起初我生成了一些带有移位标准的正态分布：
nd_l_std_44 = {} 对于范围内的 i (1,10)： >> nd_std_44 = stats.norm.rvs(loc=0,scale=i,size=10000,random_state=5) >> nd_l_std_44["ndl_std_{i}".format(i=i)] = nd_std_44 打印（nd_l_std_44.keys（））
这行得通，我确实得到了每个键具有不同值的字典。
我确实绘制了结果分布：
我预料到了这一点。峰度不同，而均值保持不变。 现在我以多种方式计算峰度，例如使用 scipy.stats
kurt_std_1 = dict() 对于 nd_l_std_44.items() 中的 k,v： >> kurt_std_1[k] = stats.kurtosis(v,fisher=False) 打印（kurt_std_1）
问题是，我确实得到了所有分布的相同峰度。 熊猫也是这种情况。 我预计不同标准的分布会有显着不同的峰度值。相反，这些值在很大程度上是相等的。）
{ 'ndl_std_1'：-0.0690005257753592， 'ndl_std_2'：-0.0690005257753592， 'ndl_std_3'：-0.0690005257753592， 'ndl_std_4'：-0.0690005257753592， 'ndl_std_5'：-0.06900052577535831， 'ndl_std_6'：-0.0690005257753592， 'ndl_std_7'：-0.06900052577535876， 'ndl_std_8'：-0.0690005257753592， 'ndl_std_9'：-0.0690005257753592 }
这里发生了什么？非常感谢帮助。
解决方法
这在意料之中。如 wikipedia article on kurtosis 中所述，任何单变量 normal distribution 的峰度为 3（因此 excess kurtosis 为 0）。它独立于均值和标准差。