python 判断一组数据是否符合正态分布_Python

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：

python 判断一组数据是否符合正态分布

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服务器之家其它相关文章！

原文链接：https://www.cnblogs.com/cgmcoding/p/13253934.html

python 判断一组数据是否符合正态分布

相关文章

热门资讯