【学习笔记】检验样本数据是否服从某一分布（Python3）

转载

1.夏皮罗维尔克检验(Shapiro-Wilk test)

    检验小样本数据是否服从正态分布

    https://blog.csdn.net/qq_20207459/article/details/102596780

2.科尔莫戈罗夫检验(Kolmogorov-Smirnov test)

    1)用于检验X的分布G(x)是否服从给定分布F(x)，仅适用于连续分布的检验;

    2)检验两组数据是否来自统一分布。

    https://blog.csdn.net/qq_20207459/article/details/102617103

3.安德森-达令检验(Anderson-Darling test)

   检验样本数据是否来自特定分布，包括分布：'norm', 'expon', 'gumbel', 'extreme1' or 'logistic'. 

   https://blog.csdn.net/qq_20207459/article/details/102863982

4.Lilliefors检验

  检验样本数据是否来自正态总体

  https://blog.csdn.net/qq_20207459/article/details/103000285

5.基于偏度和峰度的检验，可用于检验样本数据是否来自正态分布（偏度=0，峰度=3），易受异常值影响，不能用于小样本。

  偏度检验：H0 : 样本数据的偏度=0   H1 :样本数据的偏度≠0

  拒绝原假设则认为样本数据不是来自正态总体，但不拒绝原假设不能说明样本数据来自正态总体，只能说明数据对称，只有在    确定对称性是影响分布的形态的唯一因素时，偏度检验才适用。

  峰度检验：H0 : 样本数据的峰度=3   H1 :样本数据的峰度≠3

  拒绝原假设则认为样本数据不是来自正态总体，但不拒绝原假设不能说明样本数据来自正态总体，容易出错不推荐使用。

  雅克-贝拉检验（Jarque-Bera test）：检验样本是否来自正态分布

  https://blog.csdn.net/qq_20207459/article/details/103000879