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:
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软件开发网其它相关文章!
您可能感兴趣的文章:python 实现检验33品种数据是否是正态分布Python求解正态分布置信区间教程使用Python实现正态分布、正态分布采样Python求正态分布曲线下面积实例Python数据可视化实现正态分布(高斯分布)在python中画正态分布图像的实例使用python绘制3维正态分布图的方法Python使用numpy产生正态分布随机数的向量或矩阵操作示例Python数据可视化正态分布简单分析及实现代码