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 ：直方图 + 密度线
QQ图判断：(s_r.index - 0.5)/len(s_r) p(i)=(i-0.5)/n 分 位数与value值作图
排序
s.sort_values(by = 'value',inplace = True) s_r = s.reset_index(drop=False)
分位数：
s_r['p'] = (s_r.index - 0.5)/len(s_r) s_r['q'] = (s_r['value'] - mean) / std print(s_r.head()) # 计算百分位数 # 计算q值 ax3 = fig.add_subplot(3,1,3) ax3.plot(s_r['p'],s_r['value'],'k',alpha=0.5,linewidth = 3) st = s['value'].describe() x1 ,y1 = 0.25, st['25%'] x2 ,y2 = 0.75, st['75%'] ax3.plot([x1,x2],[y1,y2],'-r',linewidth = 3) # 直接用算法做KS检验 from scipy import stats stats.kstest(df['value'], 'norm', (u, std)) # 结果返回两个值：statistic → D值，pvalue → P值 # p值大于0.05，很可能为正态分布 '''
以上这篇在python中做正态性检验示例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。
