python 偏态分布_python检验Jarque-Bera是否符合正态分布

本篇文章给大家分享的内容是python检验Jarque-Bera是否符合正态分布，有着一定的参考价值，有需要的朋友可以参考一下

正态分布是一种总体分布的正态性检验。当序列服从正态分布时，JB统计量：

渐进服从分布。其中n为样本规模，S,K分别为随机变量的偏度和峰度。计算公式如下：

python的sicipy.stats中偏度和峰度的调用的函数为stats.skew(y)、stats.kurtosis(y)，其中峰度的公式为

在excel中，偏度和峰度的计算公式如下：

下面自己实现一遍python的scipy库中计算偏度和斜的公式及建立正态分布检验。

代码import numpy as npimport scipy.stats as statsdef self_JBtest(y):

# 样本规模n

n = y.size

y_ = y - y.mean() """

M2:二阶中心钜

skew 偏度 = 三阶中心矩 与 M2^1.5的比

krut 峰值 = 四阶中心钜 与 M2^2 的比

"""

M2 = np.mean(y_**2)

skew = np.mean(y_**3)/M2**1.5

krut = np.mean(y_**4)/M2**2

"""

计算JB统计量，以及建立假设检验

"""

JB = n*(skew**2/6 + (krut-3 )**2/24)

pvalue = 1 - stats.chi2.cdf(JB,df=2)

print("偏度：",stats.skew(y),skew)

print("峰值：",stats.kurtosis(y)+3,krut)

print("JB检验：",stats.jarque_bera(y)) return np.array([JB,pvalue])

y1 = stats.norm.rvs(size=10)

y2 = stats.t.rvs(size=1000,df=4)

print(self_JBtest(y1))

print(self_JBtest(y2))

结果=============== RESTART: C:\Users\tinysoft\Desktop\JB正态性检验.py ===============

偏度： 0.5383125387398069 0.53831253874

峰值： 2.9948926317585918 2.99489263176

JB检验： (0.48297818444514068, 0.78545737133644544)

[ 0.48297818 0.78545737]

偏度： -1.0488825341925703 -1.04888253419

峰值： 13.40804986639119 13.4080498664

JB检验： (4697.0050126426095, 0.0)

[ 4697.00501264 0. ]

上面的内容就是python检验Jarque-Bera是否符合正态分布的详细文章内容，更多文章请各位关注学猫在线其它相关文章！

本文来源：http://m.php.cn/article/391980.html