python实现D‘Agostino‘s K-squared test正态分布检验

最新推荐文章于 2023-10-03 03:01:56 发布

Data+Science+Insight

最新推荐文章于 2023-10-03 03:01:56 发布

阅读量1.3k

点赞数 1

分类专栏： Python+实用编程+高效复用文章标签：数据挖掘机器学习自然语言处理深度学习人工智能

本文链接：https://blog.csdn.net/zhongkeyuanchongqing/article/details/119110201

版权

Python+实用编程+高效复用专栏收录该内容

154 篇文章 ¥59.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了如何使用Python进行D'Agostino's K-squared test，这是一种用于检验数据样本是否符合高斯分布的统计方法。在假设样本独立同分布的情况下，通过计算得到的统计量3.392和p值0.183，由于p值大于0.05，结论是数据服从正态分布。该测试结合了偏度和峰度的检验，是评估数据正态性的工具。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

python实现D'Agostino's K-squared test正态分布检验

See the source image

测试数据样本是否具有高斯分布。

假设条件

每个样本中的观察结果都是独立且均等分布的（iid）。

解释

H0：样本具有高斯分布。
H1：样本没有高斯分布。

Python代码

# Example of the D'Agostino's K^2 Normality Test
from scipy.stats import normaltest
data = [0.873, 2.817, 0.121, -0.945, -0.055, -1.436, 0.360, -1.478, -1.637, -1.869]
stat, p = normaltest(data)
print('stat=%.3f, p=%.3f' % (stat, p))
if p > 0

了解本专栏