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