正態分布

• 若隨機變量x服從有個數學期望為μ,方差為σ2的正態分布，記為N(μ,σ)

• 其中期望值決定密度函數的位置，標準差決定分布的幅度，當υ=0，σ=1時的正態分布是標準正態分布

判斷方法有畫圖/k-s檢驗

畫圖:

#導入模塊 import numpy as np import pandas as pd import matplotlib.pyplot as plt %matplotlib inline#構造一組隨機數據 s = pd.DataFrame(np.random.randn(1000)+10,columns = ['value'])#畫散點圖和直方圖 fig = plt.figure(figsize = (10,6)) ax1 = fig.add_subplot(2,1,1) # 創建子圖1 ax1.scatter(s.index, s.values) plt.grid()ax2 = fig.add_subplot(2,1,2) # 創建子圖2 s.hist(bins=30,alpha = 0.5,ax = ax2) s.plot(kind = 'kde', secondary_y=True,ax = ax2) plt.grid()

結果如下：

使用ks檢驗：

''' 遇到問題沒人解答？小編創建了一個Python學習交流QQ群：778463939 尋找有志同道合的小伙伴，互幫互助,群里還有不錯的視頻學習教程和PDF電子書！ ''' #導入scipy模塊 from scipy import stats""" kstest方法：KS檢驗，參數分別是：待檢驗的數據，檢驗方法（這里設置成norm正態分布），均值與標準差 結果返回兩個值：statistic → D值，pvalue → P值 p值大于0.05，為正態分布 H0:樣本符合 H1:樣本不符合 如何p>0.05接受H0 ,反之 """ u = s['value'].mean() # 計算均值 std = s['value'].std() # 計算標準差 stats.kstest(s['value'], 'norm', (u, std))

結果是KstestResult(statistic=0.01441344628501079, pvalue=0.9855029319675546)，p值大于0.05為正太分布

總結

以上是生活随笔為你收集整理的python 如何判断一组数据是否符合正态分布的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。