ks检验正态分布结果_正态分布检验的那些方法

在对数据建模前需要做数据探索，比如做特征相关性的时候，经常会用到假设检验，很多时候我们需要对数据做正态性检验，进而通过检验结果确定下一步的分析方案。下面介绍 Python 中常用的几种正态性检验方法：

scipy.stats.kstest(K-S检验)

kstest 是一个很强大的检验模块，除了正态性检验，还能检验 scipy.stats 中的其他数据分布类型，仅适用于连续分布的检验，

原假设：数据符合正态分布

kstest(rvs, cdf, args=(), N=20, alternative='two_sided', mode='approx', **kwds)

对于正态性检验，我们只需要手动设置三个参数即可：

rvs：待检验的一组一维数据

cdf：检验方法，例如'norm'，'expon'，'rayleigh'，'gamma'，这里我们设置为'norm'，即正态性检验

alternative：默认为双尾检验，可以设置为'less'或'greater'作单尾检验

model:'approx'(默认)，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

输出结果中第一个为统计量，第二个为P值(注：统计量越接近