python 标准正态分布函数_Python中的正态分布统计

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)：

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)：