python 如何判断一组数据是否符合正态分布

Posted 小小喽啰

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了python 如何判断一组数据是否符合正态分布相关的知识,希望对你有一定的参考价值。

正态分布

若随机变量x服从有个数学期望为μ,方差为σ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=1 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

 

以上是关于python 如何判断一组数据是否符合正态分布的主要内容,如果未能解决你的问题,请参考以下文章

检验数据是不是服从正态分布

数据可视化应用绘制QQ图(附Python和R语言代码)

使用 Python 验证数据集中的体温是否符合正态分布

数据的正态性检验

正态分布

R语言中一组数据服从威布尔分布,怎么判断拟合的效果