python 如何判斷一組數據是否符合正態分佈
正態分佈：
若隨機變量x服從有個數學期望為μ,方差為σ2 的正態分佈，記為N(μ,σ)
其中期望值決定密度函數的位置，標準差決定分佈的幅度，當υ=0，σ=0 時的正態分佈是標準正態分佈
判斷方法有畫圖/k-s檢驗
畫圖：
#導入模塊 import numpy as np import pandas as pd import matplotlib.pyplot as plt %matplotlib inline #構造一組隨機數據 s = pd.DataFrame(np.random.randn(1000)+10,columns = ['value']) #畫散點圖和直方圖 fig = plt.figure(figsize = (10,6)) ax1 = fig.add_subplot(2,1,1) # 創建子圖1 ax1.scatter(s.index, s.values) plt.grid() ax2 = fig.add_subplot(2,1,2) # 創建子圖2 s.hist(bins=30,alpha = 0.5,ax = ax2) s.plot(kind = 'kde', secondary_y=True,ax = ax2) plt.grid()
結果如下：
使用ks檢驗：
#導入scipy模塊 from scipy import stats """ kstest方法：KS檢驗，參數分別是：待檢驗的數據，檢驗方法（這裡設置成norm正態分佈），均值與標準差 結果返回兩個值：statistic → D值，pvalue → P值 p值大於0.05，為正態分佈 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() # 計算均值 std = s['value'].std() # 計算標準差 stats.kstest(s['value'], 'norm', (u, std))
結果是KstestResult(statistic=0.01441344628501079, pvalue=0.9855029319675546)，p值大於0.05為正太分佈
