Scipy Normaltest, как он используется?

Мне нужно использовать normaltest в scipy для тестирования, если набор данных является обычным дистрибутивом. Но я не могу найти хороших примеров, как использовать scipy.stats.normaltest.

Мой набор данных имеет более 100 значений.

In [12]: import scipy.stats as stats

In [13]: x = stats.norm.rvs(size = 100)

In [14]: stats.normaltest(x)
Out[14]: (1.627533590094232, 0.44318552909231262)

normaltest возвращает 2-кортеж статистики хи-квадрат и связанное с ним значение p. Учитывая нулевую гипотезу о том, что x поступает из нормального распределения, p-значение представляет вероятность того, что статистика хи-квадрата будет видна (или больше).

Если p-val очень мал, это означает, что маловероятно, чтобы данные поступали из нормального распределения. Например:

In [15]: y = stats.uniform.rvs(size = 100)

In [16]: stats.normaltest(y)
Out[16]: (31.487039026711866, 1.4543748291516241e-07)
49
ответ дан 11 окт. '12 в 15:28
источник

Сначала я узнал, что scipy.stats.normaltest почти то же самое. Библиотека mstats используется для маскированных массивов. Массивы, в которых вы можете пометить значения как недопустимые и не принимать в расчет.

import numpy as np
import numpy.ma as ma
from scipy.stats import mstats

x = np.array([1, 2, 3, -1, 5, 7, 3]) #The array needs to be larger than 20, just an example
mx = ma.masked_array(x, mask=[0, 0, 0, 1, 0, 0, 0])
z,pval = mstats.normaltest(mx)

if(pval < 0.055):
    print "Not normal distribution"

"Традиционно в статистике вам нужно значение p менее 0,05 для отвергнуть нулевую гипотезу." - http://mathforum.org/library/drmath/view/72065.html

9
ответ дан 11 окт. '12 в 15:24
источник