Python dask.array.stats.normaltest用法及代码示例

用法: dask.array.stats.normaltest(a, axis=0, nan_policy='propagate')

检验样本是否不同于正态分布。

此文档字符串是从 scipy.stats.normaltest 复制的

可能存在与 Dask 版本的一些不一致之处。

此函数检验样本来自正态分布的原假设。它基于 D'Agostino 和 Pearson 的[1]、[2] 检验，该检验结合了偏斜和峰态以产生一个综合的正态性检验。

参数：

a：array_like

包含要测试的样本的数组。

axis：int 或无，可选

计算测试的轴。默认值为 0。如果没有，则计算整个数组 a 。

nan_policy：{‘propagate’, ‘raise’, ‘omit’}，可选

定义当输入包含 nan 时如何处理。以下选项可用(默认为‘propagate’)：

‘propagate’：返回 nan
‘raise’：引发错误
‘omit’：执行忽略 nan 值的计算

statistic：浮点数或数组: s^2 + k^2 ，其中 s 是 skewtest 返回的 z-score ， k 是 kurtosistest 返回的 z-score 。
pvalue：浮点数或数组: 假设检验的 2 边卡方概率。

参考：

1: D'Agostino, R. B. (1971)，“中等和大样本量的正态性综合检验”，Biometrika，58，341-348
2: D'Agostino, R. 和 Pearson, E. S. (1973)，“偏离常态的测试”，Biometrika, 60, 613-622

例子：

>>> from scipy import stats  
>>> rng = np.random.default_rng()  
>>> pts = 1000  
>>> a = rng.normal(0, 1, size=pts)  
>>> b = rng.normal(2, 1, size=pts)  
>>> x = np.concatenate((a, b))  
>>> k2, p = stats.normaltest(x)  
>>> alpha = 1e-3  
>>> print("p = {:g}".format(p))  
p = 8.4713e-19
>>> if p < alpha:  # null hypothesis: x comes from a normal distribution  
...     print("The null hypothesis can be rejected")
... else:
...     print("The null hypothesis cannot be rejected")
The null hypothesis can be rejected

相关用法

注：本文由纯净天空筛选整理自dask.org大神的英文原创作品 dask.array.stats.normaltest。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

参考：

例子：