检验数据是否符合正态分布

查看数据可视化：

#导入模块
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

data = [44,45,50,55,48,49,53,42]

#构造一组随机数据
s = pd.DataFrame(data,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()

plt.show()
plt.pause(5)

 检验是否符合正太分布：

#导入scipy模块
from scipy import stats
import numpy as np

"""
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 ,否则反之 
"""

data = [44,45,50,55,48,49,53,42]
data = np.array(data)
u = np.mean(data)  # 计算均值
std = np.std(data)  # 计算标准差
D, P = stats.kstest(data, 'norm', (u, std))

print(P)

结果是 pvalue=0.9893292271631077，p值大于0.05为正太分布。