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

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

测试偏态是否不同于正态分布。

此文档字符串是从 scipy.stats.skewtest 复制的。

可能存在与 Dask 版本的一些不一致之处。

此函数检验零假设，即抽取样本的总体偏度与相应正态分布的偏度相同。

参数：

a：数组

要测试的数据。

axis：int 或 None，可选

计算统计数据的轴。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

alternative：{‘two-sided’, ‘less’, ‘greater’}，可选(Dask 不支持)

定义备择假设。默认为“two-sided”。可以使用以下选项：

‘two-sided’：样本基础分布的偏度与正态分布的偏度不同(即0)
‘less’：样本底层分布的偏度小于正态分布的偏度
‘greater’：样本底层分布的偏度大于正态分布的偏度

statistic：浮点数: 此测试的计算 z-score。
pvalue：浮点数: p-value 用于假设检验。

注意：

样本量必须至少为 8。

参考：

1: R. B. D'Agostino、A. J. Belanger 和 R. B. D'Agostino Jr.，“使用强大且信息丰富的正态性检验的建议”，美国统计学家 44，第 316-321 页，1990。

例子：

>>> from scipy.stats import skewtest  
>>> skewtest([1, 2, 3, 4, 5, 6, 7, 8])  
SkewtestResult(statistic=1.0108048609177787, pvalue=0.3121098361421897)
>>> skewtest([2, 8, 0, 4, 1, 9, 9, 0])  
SkewtestResult(statistic=0.44626385374196975, pvalue=0.6554066631275459)
>>> skewtest([1, 2, 3, 4, 5, 6, 7, 8000])  
SkewtestResult(statistic=3.571773510360407, pvalue=0.0003545719905823133)
>>> skewtest([100, 100, 100, 100, 100, 100, 100, 101])  
SkewtestResult(statistic=3.5717766638478072, pvalue=0.000354567720281634)
>>> skewtest([1, 2, 3, 4, 5, 6, 7, 8], alternative='less')  
SkewtestResult(statistic=1.0108048609177787, pvalue=0.8439450819289052)
>>> skewtest([1, 2, 3, 4, 5, 6, 7, 8], alternative='greater')  
SkewtestResult(statistic=1.0108048609177787, pvalue=0.15605491807109484)

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.skewtest。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：

注意：

参考：

例子：