欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

python 判斷一組數(shù)據(jù)是否符合正態(tài)分布

 更新時(shí)間：2020年09月23日 15:24:34   作者：小小嘍啰  
這篇文章主要介紹了python 如何判斷一組數(shù)據(jù)是否符合正態(tài)分布，幫助大家更好的利用python分析數(shù)據(jù)，感興趣的朋友可以了解下

正態(tài)分布：

若隨機(jī)變量x服從有個(gè)數(shù)學(xué)期望為μ,方差為σ2 的正態(tài)分布，記為N(μ,σ)

其中期望值決定密度函數(shù)的位置，標(biāo)準(zhǔn)差決定分布的幅度，當(dāng)υ=0，σ=0 時(shí)的正態(tài)分布是標(biāo)準(zhǔn)正態(tài)分布

判斷方法有畫圖/k-s檢驗(yàn)

畫圖：

#導(dǎo)入模塊
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline

#構(gòu)造一組隨機(jī)數(shù)據(jù)
s = pd.DataFrame(np.random.randn(1000)+10,columns = ['value'])

#畫散點(diǎn)圖和直方圖
fig = plt.figure(figsize = (10,6))
ax1 = fig.add_subplot(2,1,1) # 創(chuàng)建子圖1
ax1.scatter(s.index, s.values)
plt.grid()

ax2 = fig.add_subplot(2,1,2) # 創(chuàng)建子圖2
s.hist(bins=30,alpha = 0.5,ax = ax2)
s.plot(kind = 'kde', secondary_y=True,ax = ax2)
plt.grid()

結(jié)果如下：

使用ks檢驗(yàn)：

#導(dǎo)入scipy模塊
from scipy import stats

"""
kstest方法：KS檢驗(yàn)，參數(shù)分別是：待檢驗(yàn)的數(shù)據(jù)，檢驗(yàn)方法（這里設(shè)置成norm正態(tài)分布），均值與標(biāo)準(zhǔn)差
結(jié)果返回兩個(gè)值：statistic → D值，pvalue → P值
p值大于0.05，為正態(tài)分布
H0:樣本符合 
H1:樣本不符合 
如何p>0.05接受H0 ,反之 
"""
u = s['value'].mean() # 計(jì)算均值
std = s['value'].std() # 計(jì)算標(biāo)準(zhǔn)差
stats.kstest(s['value'], 'norm', (u, std))

結(jié)果是KstestResult(statistic=0.01441344628501079, pvalue=0.9855029319675546)，p值大于0.05為正太分布

以上就是python 判斷一組數(shù)據(jù)是否符合正態(tài)分布的詳細(xì)內(nèi)容，更多關(guān)于python 正態(tài)分布的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

相關(guān)文章

最新評(píng)論