python正态分布采样,python标准正态分布函数

  python正态分布采样,python标准正态分布函数

  这个正态分布检验的数据被描述为什么是正态?温度、性别和心率中的数据,其中数据源包含三个数据:体温、性别和心率。这次选择文章中的一个问题来实现,就是样本中的体温是否符合正态分布。

  正态性的检验称为正态性检验,通过样本数据判断总体是否服从正态分布。

  为了方便后面的数据,data.txt只包含体温这一列。

  1.初步判断样本数据是否符合正态分布导入numpy as NP导入pandas as PD导入matplotlib . py plot as PLT datas=PD . read _ table(r d:\ normal _ test \ data . txt ,encoding=utf-8 ,names=[ Temperature ])fig=PLT . fig(fig size=(10,6))ax2=fig.add_subplot(1,1,1)datas.hist(bins=50,Ax=ax2)data . plot(kind= 1

  从输出结果图可以看出,直方图呈现明显的正态分布特征。

  2.直接用算法做KS测试:import numpy as NP import pandas as PD import matplotlib . py plot as PLT from scipy import stats data=PD . read _ table(r d:\ normal _ test \ data . txt ,encoding=utf-8 ,names=[Temperature])df=pd。DataFrame(data,Columns=[温度]) u=df [温度]。mean () #计算的平均值std=df[温度]。std() #计算标准差# kstest方法中的参数有:待测数据,检验方法(这里设置为范数分布),均值标准差#返回两个值:statistic D值,pvalue P值#当P值大于0.05时,表示待测数据符合正态分布结果=stats . kstest(df[ temperature ], norm ,(u,std))。print(结果)的输出结果是:

  检验结果(statistics=0.06472685044046644,pvalue=0.645030731743997)从输出结果来看,pvalue为0.645,大于0.05,可以接受体温符合正态分布的假设。

  综合以上两种测试方法的输出结果,样品的温度数据符合正态分布。

  参考什么叫正常?体温、性别和心率

  测试数据集

  数据分析的正态分布检验及python实现

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

留言与评论(共有 条评论)
   
验证码: