利用观测数据判断总体是否服从正态分布的检验称为正态性检验,它是统计判决中重要的一种特殊的拟合优度假设检验。
直方图初判 / QQ图初判 / K-S检验
1.直方图初判
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
plt.rcParams['font.sans-serif']=['SimHei'] #显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
# 直方图初判
s = pd.DataFrame(np.random.randn(1000)+10,columns = ['value'])
print(s.head())
# 创建随机数据
fig = plt.figure(figsize = (20,12))
#绘制散点图
ax1 = fig.add_subplot(2,1,1)
plt.scatter(s.index,s.values,color = 'darkblue')
plt.grid(axis = 'y')
#绘制直方图
ax2 = fig.add_subplot(2,1,2)
s['value'].plot(bins = 20,kind = 'hist',color = 'darkblue',alpha = 0.8)
s.plot(kind = 'kde',linestyle = '--',color = 'k',secondary_y = True,ax = ax2)
plt.grid(axis = 'y',linestyle = '--')
2.QQ图初判
QQ图通过把测试样本数据的分位数与已知分布相比较,从而来检验数据的分布情况
QQ图是一种散点图,对应于正态分布的QQ图,就是由标准正态分布的分位数为横坐标,样本值为纵坐标的散点图
参考直线: