利用观测数据判断总体是否服从正态分布的检验称为正态性检验,它是统计判决中重要的一种特殊的拟合优度假设检验。

直方图初判 :直方图 + 密度线

QQ图判断:(s_r.index – 0.5)/len(s_r) p(i)=(i-0.5)/n 分 位数与value值作图

排序

 s.sort_values(by = 'value',inplace = True)
 s_r = s.reset_index(drop=False)

分位数:

s_r['p'] = (s_r.index - 0.5)/len(s_r)
s_r['q'] = (s_r['value'] - mean) / std
print(s_r.head())
# 计算百分位数
# 计算q值

ax3 = fig.add_subplot(3,1,3)
ax3.plot(s_r['p'],s_r['value'],'k',alpha=0.5,linewidth = 3)

st = s['value'].describe()
x1 ,y1 = 0.25, st['25%']
x2 ,y2 = 0.75, st['75%']
ax3.plot([x1,x2],[y1,y2],'-r',linewidth = 3)

# 直接用算法做KS检验

from scipy import stats
stats.kstest(df['value'], 'norm', (u, std))
# 结果返回两个值:statistic → D值,pvalue → P值
# p值大于0.05,很可能为正态分布
'''

以上这篇在python中做正态性检验示例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持我们。

声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。