python 判断一组数据是否符合正态分布
作者:小小喽啰
这篇文章主要介绍了python 如何判断一组数据是否符合正态分布,帮助大家更好的利用python分析数据,感兴趣的朋友可以了解下
正态分布:
若随机变量x服从有个数学期望为μ,方差为σ2 的正态分布,记为N(μ,σ)
其中期望值决定密度函数的位置,标准差决定分布的幅度,当υ=0,σ=0 时的正态分布是标准正态分布
判断方法有画图/k-s检验
画图:
#导入模块 import numpy as np import pandas as pd import matplotlib.pyplot as plt %matplotlib inline #构造一组随机数据 s = pd.DataFrame(np.random.randn(1000)+10,columns = ['value']) #画散点图和直方图 fig = plt.figure(figsize = (10,6)) ax1 = fig.add_subplot(2,1,1) # 创建子图1 ax1.scatter(s.index, s.values) plt.grid() ax2 = fig.add_subplot(2,1,2) # 创建子图2 s.hist(bins=30,alpha = 0.5,ax = ax2) s.plot(kind = 'kde', secondary_y=True,ax = ax2) plt.grid()
结果如下:
使用ks检验:
#导入scipy模块 from scipy import stats """ kstest方法:KS检验,参数分别是:待检验的数据,检验方法(这里设置成norm正态分布),均值与标准差 结果返回两个值:statistic → D值,pvalue → P值 p值大于0.05,为正态分布 H0:样本符合 H1:样本不符合 如何p>0.05接受H0 ,反之 """ u = s['value'].mean() # 计算均值 std = s['value'].std() # 计算标准差 stats.kstest(s['value'], 'norm', (u, std))
结果是KstestResult(statistic=0.01441344628501079, pvalue=0.9855029319675546),p值大于0.05为正太分布
以上就是python 判断一组数据是否符合正态分布的详细内容,更多关于python 正态分布的资料请关注脚本之家其它相关文章!