在python中做正态性检验示例
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 fromscipyimportstats 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毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。