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

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

測試偏態是否不同於正態分布。

此文檔字符串是從 scipy.stats.skewtest 複製的。

可能存在與 Dask 版本的一些不一致之處。

此函數檢驗零假設，即抽取樣本的總體偏度與相應正態分布的偏度相同。

參數：

a：數組

要測試的數據。

axis：int 或 None，可選

計算統計數據的軸。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

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

定義備擇假設。默認為“two-sided”。可以使用以下選項：

‘two-sided’：樣本基礎分布的偏度與正態分布的偏度不同(即0)
‘less’：樣本底層分布的偏度小於正態分布的偏度
‘greater’：樣本底層分布的偏度大於正態分布的偏度

statistic：浮點數: 此測試的計算 z-score。
pvalue：浮點數: p-value 用於假設檢驗。

注意：

樣本量必須至少為 8。

參考：

1: R. B. D'Agostino、A. J. Belanger 和 R. B. D'Agostino Jr.，“使用強大且信息豐富的正態性檢驗的建議”，美國統計學家 44，第 316-321 頁，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.skewtest。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：

注意：

參考：

例子：