python 如何判断一组数据是否符合正态分布

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=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：

''' 遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939 寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！ ''' #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

总结

以上是生活随笔为你收集整理的python 如何判断一组数据是否符合正态分布的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。