Python dask.array.stats.normaltest用法及代碼示例

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

檢驗樣本是否不同於正態分布。

此文檔字符串是從 scipy.stats.normaltest 複製的

可能存在與 Dask 版本的一些不一致之處。

此函數檢驗樣本來自正態分布的原假設。它基於 D'Agostino 和 Pearson 的[1]、[2] 檢驗，該檢驗結合了偏斜和峰態以產生一個綜合的正態性檢驗。

參數：

a：array_like

包含要測試的樣本的數組。

axis：int 或無，可選

計算測試的軸。默認值為 0。如果沒有，則計算整個數組 a 。

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

定義當輸入包含 nan 時如何處理。以下選項可用(默認為‘propagate’)：

‘propagate’：返回 nan
‘raise’：引發錯誤
‘omit’：執行忽略 nan 值的計算

statistic：浮點數或數組: s^2 + k^2 ，其中 s 是 skewtest 返回的 z-score ， k 是 kurtosistest 返回的 z-score 。
pvalue：浮點數或數組: 假設檢驗的 2 邊卡方概率。

參考：

1: D'Agostino, R. B. (1971)，“中等和大樣本量的正態性綜合檢驗”，Biometrika，58，341-348
2: D'Agostino, R. 和 Pearson, E. S. (1973)，“偏離常態的測試”，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

相關用法

注：本文由純淨天空篩選整理自dask.org大神的英文原創作品 dask.array.stats.normaltest。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

參考：

例子：