博客

在进行t检验、F检验之前，我们往往要求样本大致服从正态分布，下面介绍两种检验样本是否服从正态分布的方法。

1 可视化

我们可以通过将样本可视化，看一下样本的概率密度是否是正态分布来

初步判断

样本是否服从正态分布。

代码如下：

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

# 使用pandas和numpy生成一组仿真数据

s = pd.DataFrame(np.random.randn(500),columns=[‘value’])

print(s.shape) # (500, 1)

# 创建自定义图像

fig = plt.figure(figsize=(10, 6))

# 创建子图1

ax1 = fig.add_subplot(2,1,1)

# 绘制散点图

ax1.scatter(s.index, s.values)

plt.grid() # 添加网格

# 创建子图2

ax2 = fig.add_subplot(2, 1, 2)

# 绘制直方图

s.hist(bins=30,alpha=0.5,ax=ax2)

# 绘制密度图

s.plot(kind=’kde’, secondary_y=True,ax=ax2) # 使用双坐标轴

plt.grid() # 添加网格

# 显示自定义图像

plt.show()

可视化图像如下：

从图中可以初步看出生成的数据近似服从正态分布。为了得到更具说服力的结果，我们可以使用统计检验的方法，这里使用的是.

scipy.stats

中的函数。

2 统计检验

1）kstest

sci