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。- 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。
- 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,
- 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。
- 若p≤0.05,则不接受原假设,认为数据不服从正态分布,
- 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