python一行代码完成正态分布检验，附原理详解

在进行数据分析处理的过程中，经常需要判断数据是否符合正太分布，正常的正太分布检验费时费力，本文介绍如何通过python快速实现对正太分布的检验：

前方高能！！！看如何一行代码实现数据的正太分布检验

from scipy import stats
# scipy包是一个高级的科学计算库，它和Numpy联系很密切，Scipy一般都是操控Numpy数组来进行科学计算

data = [-15, 15, 9]#需要检验的数据

stats.kstest(data, 'norm') #正太分布检验

输出：

Out[24]: KstestResult(statistic=0.66666666666666674, pvalue=0.074074074074073959)

输出结果分析

statistic为KS统计量，pvalue 为P值，当pvalue > 0.05时，服从正太分布

函数详解：

kstest(rvs, cdf, args=(), N=20, alternative='two-sided', mode='approx')

参数是：

rvs：待检验数据。

cdf：检验分布，kstest分布可以检验多种分布函数，例如'norm'正太分布，'expon'指数分布，'rayleigh'瑞利分布，'gamma'伽玛分布等分布，设置为'norm'时表示正态分布。

alternative：默认为双侧检验，可以设置为'less'或'greater'作单侧检验。

model:'approx'(默认值)，表示使用检验统计量的精确分布的近视值；'asymp'：使用检验统计量的渐进分布。

原理介绍：