Python如何检验数据集是否遵循正态分布规律？

本文共计448个文字，预计阅读时间需要2分钟。

正态分布：若随机变量x服从以μ为均值，σ^2为方差的正态分布，记为N(μ, σ^2)。其中，均值μ决定密度函数的位置，标准差σ决定分布的幅度。当μ=0，σ=0时，正态分布是标准正态分布。

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=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易盾网络其它相关文章！