赞
踩
正态分布(Normal distribution),也称“常态分布”,又名高斯分布(Gaussian distribution),最早由A.棣莫弗在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。是一个在数学、物理及工程等领域都非常重要的概率分布,在统计学的许多方面有着重大的影响力。
正态曲线呈钟型,两头低,中间高,左右对称因其曲线呈钟形,因此人们又经常称之为钟形曲线。
若随机变量X服从一个数学期望为μ、方差为σ2的正态分布,记为N(μ,σ2)。其概率密度函数为正态分布的期望值μ决定了其位置,其标准差σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布是标准正态分布。
利用观测数据判断总体是否服从正态分布的检验称为正态性检验,它是统计判决中重要的一种特殊的拟合优度假设检验。
直方图初判 / QQ图判断 / K-S检验
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
% matplotlib inline
s = pd.DataFrame(np.random.randn(1000)+10,columns = ['value']) print(s.head()) # 创建随机数据 fig = plt.figure(figsize = (10,6)) ax1 = fig.add_subplot(2,1,1) # 创建子图1 ax1.scatter(s.index, s.values) plt.grid() # 绘制数据分布图 ax2 = fig.add_subplot(2,1,2) # 创建子图2 s.hist(bins=30,alpha = 0.5,ax = ax2) s.plot(kind = 'kde', secondary_y=True,ax = ax2) plt.grid() # 绘制直方图 # 呈现较明显的正太性
这里的直方图呈现出非常明显的正态分布特性。
# QQ图通过把测试样本数据的分位数与已知分布相比较,从而来检验数据的分布情况 # QQ图是一种散点图,对应于正态分布的QQ图,就是由标准正态分布的分位数为横坐标,样本值为纵坐标的散点图 # 参考直线:四分之一分位点和四分之三分位点这两点确定,看散点是否落在这条线的附近 # 绘制思路 # ① 在做好数据清洗后,对数据进行排序(次序统计量:x(1)<x(2)<....<x(n)) # ② 排序后,计算出每个数据对应的百分位p{i},即第i个数据x(i)为p(i)分位数,其中p(i)=(i-0.5)/n (pi有多重算法,这里以最常用方法为主) # ③ 绘制直方图 + qq图,直方图作为参考 s = pd.DataFrame(np.random.randn(1000)+10,columns = ['value']) print(s.head()) # 创建随机数据 mean = s['value'].mean() std = s['value'].std() print('均值为:%.2f,标准差为:%.2f' % (mean,std)) print('------') # 计算均值,标准差 s.sort_values(by = 'value', inplace = True) # 重新排序 print(s.head()) s_r = s.reset_index(drop = False) # 重新排序后,更新index print("----------\n", s_r.head()) s_r['p'] = (s_r.index - 0.5) / len(s_r) s_r['q'] = (s_r['value'] - mean) / std print(s_r.head()) print('------') # 计算百分位数 p(i) # 计算q值 # st = s['value'].describe() # x1 ,y1 = 0.25, st['25%'] # x2 ,y2 = 0.75, st['75%'] # print('四分之一位数为:%.2f,四分之三位数为:%.2f' % (y1,y2)) # print('------') # # 计算四分之一位数、四分之三位数 # fig = plt.figure(figsize = (10,9)) # ax1 = fig.add_subplot(3,1,1) # 创建子图1 # ax1.scatter(s.index, s.values) # plt.grid() # # 绘制数据分布图 # ax2 = fig.add_subplot(3,1,2) # 创建子图2 # s.hist(bins=30,alpha = 0.5,ax = ax2) # s.plot(kind = 'kde', secondary_y=True,ax = ax2) # plt.grid() # # 绘制直方图 # ax3 = fig.add_subplot(3,1,3) # 创建子图3 # ax3.plot(s_r['p'],s_r['value'],'k.',alpha = 0.1) # ax3.plot([x1,x2],[y1,y2],'-r') # plt.grid() # # 绘制QQ图,直线为四分之一位数、四分之三位数的连线,基本符合正态分布
使用K-S检验一个数列是否服从正态分布、两个数列是否服从相同的分布
https://www.cnblogs.com/chaosimple/p/4090456.html
使用K-S检验一个数列是否服从正态分布、两个数列是否服从相同的分布
data = [87,77,92,68,80,78,84,77,81,80,80,77,92,86,
76,80,81,75,77,72,81,72,84,86,80,68,77,87,
76,77,78,92,75,80,78]
# 样本数据,35位健康男性在未进食之前的血糖浓度
df = pd.DataFrame(data, columns =['value']) u = df['value'].mean() std = df['value'].std() print("样本均值为:%.2f,样本标准差为:%.2f" % (u,std)) print('------') # 查看数据基本统计量 s = df['value'].value_counts().sort_index() df_s = pd.DataFrame({'血糖浓度':s.index,'次数':s.values}) # 创建频率数据 df_s['累计次数'] = df_s['次数'].cumsum() df_s['累计频率'] = df_s['累计次数'] / len(data) # len(data) df_s['标准化取值'] = (df_s['血糖浓度'] - u) / std df_s['理论分布'] =[0.0244,0.0968,0.2148,0.2643,0.3228,0.3859,0.5160,0.5832,0.7611,0.8531,0.8888,0.9803] # 通过查阅正太分布表 df_s['D'] = np.abs(df_s['累计频率'] - df_s['理论分布']) dmax = df_s['D'].max() print("实际观测D值为:%.4f" % dmax) # D值序列计算结果表格 df_s['累计频率'].plot(style = '--k.') df_s['理论分布'].plot(style = '--r.') plt.legend(loc = 'upper left') plt.grid() # 密度图表示 df_s
下面是正态分布表和显著性对照表
因为样本数为35,大于30且小于50,所以p值在这个区间
另外的,由于D值为0.1597. 大于0.158,小于0.197,且样本数量接近于30.所以我们可以认为P值的取值区间在0.20 - 0.40
满足p > 0.05的情况,所以服从正态分布。
from scipy import stats
# scipy包是一个高级的科学计算库,它和Numpy联系很密切,Scipy一般都是操控Numpy数组来进行科学计算
data = [87,77,92,68,80,78,84,77,81,80,80,77,92,86,
76,80,81,75,77,72,81,72,84,86,80,68,77,87,
76,77,78,92,75,80,78]
# 样本数据,35位健康男性在未进食之前的血糖浓度
df = pd.DataFrame(data, columns =['value'])
u = df['value'].mean() # 计算均值
std = df['value'].std() # 计算标准差
stats.kstest(df['value'], 'norm', (u, std))
# .kstest方法:KS检验,参数分别是:待检验的数据,检验方法(这里设置成norm正态分布),均值与标准差
# 结果返回两个值:statistic → D值,pvalue → P值
# p值大于0.05,为正态分布
此时,pvalue > 0.05,不拒绝原假设。因此上面的数据服从正态分布。且一般情况下, stats.kstest(df[‘value’], ‘norm’, (u, std))一条语句就得到p值的结果。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。