当前位置：首页>python>Python-34-正态性检验

Python-34-正态性检验

  • 2026-10-11 05:38:56
Python-34-正态性检验
正态性检验是判断一组数据（变量）是否符合正态分布。常用的方法有定性的图形法（直方图、PP图或QQ图）和定量的非参数方法（Shapiro检验和K-S检验）。
Python模块为：scipy模块的子模块stats
1.定性图形法，将待检验的数据与已知是正态分布的数据进行对比。
✔--服从正态分布
❌--服从正态分布
直方图+密度曲线对比
QQ图（分位数-分位数图）
PP图（概率-概率图）
共性：
  • 这三种方式都是定性进行判断。
  • PP图和QQ图的横坐标都是理论值，PP图横坐标为理论累计概率，QQ图横坐标为理论分位数。
  • 如果散点都比较均匀再落在直线上，说明变量近似服从正态分布。
2.定量数值检验，
  1. 假定数数据（变量）服从正态分布，然后利用scipy.stats模块下的shapiro检验方法和K-S检验方法，
  2. 输入数据，获得在服从正态分布下的前提下，得到这组数据的概率值p。
    1. 若p≤0.05，则不接受原假设，认为数据不服从正态分布，
    1. 如p>0.05，接受原数据（变量）的分布服从正态分布的假设。
方法的选择：若数据量低于5000，使用shapiro检验法；否则使用K-S检验法。
from scipy import statsstats.shapiro(data) #shapiro检验stats.kstest(data,args=(μ,σ)) #K-S检验
Day 34
#Python #正态性检验
当你看见一座山，你已不在此山中。
本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：596563534@qq.com 。

Python 容器类型终极指南:列表、元组、字典、集合,这次让你彻底搞懂!

Python 高频考点(1)|变量 / 标识符命名规则

最新文章

随机文章