scipy.stats.

jarque_bera#

scipy.stats.jarque_bera(x, *, axis=None, nan_policy='propagate', keepdims=False)[原始碼]#

對樣本資料執行 Jarque-Bera 適合度檢定。

Jarque-Bera 檢定測試樣本資料的偏度和峰度是否與常態分佈相符。

請注意，此檢定僅適用於足夠大的資料樣本數量 (>2000)，因為檢定統計量會漸近地具有自由度為 2 的卡方分佈。

參數:

xarray_like

隨機變數的觀測值。

axisint 或 None，預設值：None

若為整數，則為計算統計量時沿輸入的軸。輸入的每個軸切片（例如，列）的統計量將出現在輸出的對應元素中。若為 None，則將在計算統計量之前將輸入展平。

nan_policy{‘propagate’, ‘omit’, ‘raise’}

定義如何處理輸入的 NaN。

propagate：若 NaN 存在於計算統計量的軸切片（例如，列）中，則輸出的對應條目將為 NaN。
omit：執行計算時將省略 NaN。若在計算統計量的軸切片中剩餘的資料不足，則輸出的對應條目將為 NaN。
raise：若存在 NaN，將引發 ValueError。

keepdimsbool，預設值：False

若設定為 True，則縮減的軸將保留在結果中，作為大小為 1 的維度。使用此選項，結果將正確地廣播到輸入陣列。

回傳值:

resultSignificanceResult

具有以下屬性的物件

statisticfloat: 檢定統計量。
pvaluefloat: 假設檢定的 p 值。

另請參閱

Jarque-Bera 適合度檢定: 延伸範例

註解

從 SciPy 1.9 開始，np.matrix 輸入（不建議用於新程式碼）在執行計算之前會轉換為 np.ndarray。在這種情況下，輸出將為純量或適當形狀的 np.ndarray，而不是 2D np.matrix。同樣地，雖然會忽略遮罩陣列的遮罩元素，但輸出將為純量或 np.ndarray，而不是 mask=False 的遮罩陣列。

參考文獻

[1]

Jarque, C. 和 Bera, A. (1980) “Efficient tests for normality, homoscedasticity and serial independence of regression residuals”, 6 Econometric Letters 255-259.

範例

>>> import numpy as np
>>> from scipy import stats
>>> rng = np.random.default_rng()
>>> x = rng.normal(0, 1, 100000)
>>> jarque_bera_test = stats.jarque_bera(x)
>>> jarque_bera_test
Jarque_beraResult(statistic=3.3415184718131554, pvalue=0.18810419594996775)
>>> jarque_bera_test.statistic
3.3415184718131554
>>> jarque_bera_test.pvalue
0.18810419594996775

如需更詳細的範例，請參閱Jarque-Bera 適合度檢定。