当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python Scipy stats.skewtest()用法及代码示例


scipy.stats.skewtest(array, axis=0)函数测试偏度是否与正态分布不同。此函数检验原假设,即从中抽取样本的总体的偏斜度与相应正态分布的偏度相同。

其公式-

参数:
array : 具有元素的输入数组或对象。
axis : 要计算偏度测试的轴。默认情况下,轴= 0。


返回值:统计数据的Z-score和P-value用于数据集的假设检验。

代码1:

# Performing skewtest 
from scipy.stats import skewtest 
import numpy as np  
import pylab as p  
  
x1 = np.linspace( -5, 5, 1000 ) 
y1 = 1./(np.sqrt(2.*np.pi)) * np.exp( -.5*(x1)**2  ) 
  
p.plot(x1, y1, '*') 
  
  
print( '\nSkewness test for given data :\n', skewtest(y1))

输出:



Skewness test for given data :
 SkewtestResult(statistic=11.874007880556805, pvalue=1.6153913086650964e-32)


代码2:

# Performing skewtest 
from scipy.stats import skewtest 
import numpy as np  
import pylab as p  
  
x1 = np.linspace( -5, 12, 1000 ) 
y1 = 1./(np.sqrt(2.*np.pi)) * np.exp( -.5*(x1)**2  ) 
  
p.plot(x1, y1, '.') 
  
  
print( '\nSkewness for data :\n', skewtest(y1))

输出:



Skewness for data :
 SkewtestResult(statistic=16.957642860709516, pvalue=1.689888374767126e-64)


相关用法


注:本文由纯净天空筛选整理自vishal3096大神的英文原创作品 scipy stats.skewtest() function | Python。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。