正态分布
若随机变量x服从有个数学期望为μ,方差为σ2的正态分布，记为N(μ,σ)
其中期望值决定密度函数的位置，标准差决定分布的幅度，当υ=0，σ=1时的正态分布是标准正态分布
判断方法有画图/k-s检验
画图:
#导入模块import numpy as npimport pandas as pdimport matplotlib.pyplot as plt%matplotlib inline#构造一组随机数据s = pd.DataFrame(np.random.randn(1000)+10,columns = ['value'])#画散点图和直方图fig = plt.figure(figsize = (10,6))ax1 = fig.add_subplot(2,1,1) # 创建子图1ax1.scatter(s.index, s.values)plt.grid()ax2 = fig.add_subplot(2,1,2) # 创建子图2s.hist(bins=30,alpha = 0.5,ax = ax2)s.plot(kind = 'kde', secondary_y=True,ax = ax2)plt.grid()
结果如下：
使用ks检验：
'''遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！'''#导入scipy模块from scipy import stats"""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H0:样本符合 H1:样本不符合 如何p>0.05接受H0 ,反之 """u = s['value'].mean() # 计算均值std = s['value'].std() # 计算标准差stats.kstest(s['value'], 'norm', (u, std))
结果是KstestResult(statistic=0.01441344628501079,pvalue=0.9855029319675546)，p值大于0.05为正太分布
