python 一组数据 正态分布散点图_用 Python 检验数据正态分布的几种方法

什么是正态分布

关于什么是正态分布，早在中学时老师就讲过了。通俗来讲，就是当我们把数据绘制成频率直方图，所构成曲线的波峰位于中间，两边对称，并且随着往两侧延伸逐渐呈下降趋势，这样的曲线就可以说是符合数学上的正态分布。由于任何特征的频率总和都为100%或1，所以该曲线和横轴之间部分的面积也为100%或1，这是正态分布的几何意义。

如下图，是数据统计实例中出现的正态分布性数据：

为什么要做正态性检验

对此我的理解是，正态性可以保证随机性，因为随机数就是正态分布的，这里可以用高尔顿板来形象化地理解：

高尔顿板为一块竖直放置的板，上面有交错排列的钉子。让小球从板的上端自由下落，当其碰到钉子后会随机向左或向右落下。最终，小球会落至板底端的某一格子中。假设板上共有 n 排钉子，每个小球撞击钉子后向右落下的概率为 ρ(当左、右概率相同时

为 0.5)，则小球落入第 k 个格子概率为二项分布