溫馨提示×

溫馨提示×

您好，登錄后才能下訂單哦！

密碼登錄×
登錄注冊×
其他方式登錄
點(diǎn)擊 登錄注冊 即表示同意《億速云用戶服務(wù)條款》

python 如何實(shí)現(xiàn)判斷一組數(shù)據(jù)是否符合正態(tài)分布

發(fā)布時(shí)間：2020-10-30 16:46:24 來源：億速云 閱讀：576 作者：Leah 欄目：開發(fā)技術(shù)

這篇文章將為大家詳細(xì)講解有關(guān)python 如何實(shí)現(xiàn)判斷一組數(shù)據(jù)是否符合正態(tài)分布，文章內(nèi)容質(zhì)量較高，因此小編分享給大家做個(gè)參考，希望大家閱讀完這篇文章后對相關(guān)知識有一定的了解。

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：

python 如何實(shí)現(xiàn)判斷一組數(shù)據(jù)是否符合正態(tài)分布

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

關(guān)于python 如何實(shí)現(xiàn)判斷一組數(shù)據(jù)是否符合正態(tài)分布就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，可以學(xué)到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。

向AI問一下細(xì)節(jié)

免責(zé)聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點(diǎn)不代表本網(wǎng)站立場，如果涉及侵權(quán)請聯(lián)系站長郵箱：is@yisu.com進(jìn)行舉報(bào)，并提供相關(guān)證據(jù)，一經(jīng)查實(shí)，將立刻刪除涉嫌侵權(quán)內(nèi)容。

AI
助
手