python 标准正态分布函数_Python中的正态分布统计

本文介绍了Python中用于正态分布检验的方法,包括Shapiro-Wilk检验、Kolmogorov-Smirnov检验、Anderson-Darling检验和normaltest。这些方法分别适用于不同大小的样本,并可用于判断数据是否符合正态分布。
摘要由CSDN通过智能技术生成

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

1. Shapiro-Wilk检验(W检验):

math?formula=%5Ccolor%7Bred%7D%7Bscipy.stats.shapiro%7D

样本:小于50

方法:scipy.stats.shapiro(x)

官方文档:SciPy v1.1.0 Reference Guide

参数:x - 待检验数据

返回:W - 统计数;p-value - p值

scipy.stats.shapiro(x)

'''输出结果中第一个为统计量,第二个为P值(统计量越接近1越表明数据和正态分布拟合的好,

P值大于指定的显著性水平,接受原假设,认为样本来自服从正态分布的总体)'''

2.Kolmogorov-Smirnov检验(K-S检验):

  • 0
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值