scipy.stats.

normaltest#

scipy.stats.normaltest(a, axis=0, nan_policy='propagate', *, keepdims=False)[source]#

檢定樣本是否與常態分佈不同。

此函數檢定虛無假設：樣本來自常態分佈。它基於 D’Agostino 和 Pearson 的 [1], [2] 檢定，該檢定結合了偏度和峰度，以產生常態性的綜合檢定。

參數:

aarray_like

包含要檢定樣本的陣列。必須包含至少八個觀測值。

axisint 或 None，預設值：0

若為整數，則為計算統計量的輸入軸。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，則輸入將在計算統計量之前被展平。

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

定義如何處理輸入的 NaN。

propagate：若 NaN 出現在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：執行計算時將忽略 NaN。若軸切片中剩餘的資料不足以計算統計量，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，作為大小為一的維度。使用此選項，結果將針對輸入陣列正確廣播。

返回:

statisticfloat 或 array: s^2 + k^2，其中 s 是由 skewtest 返回的 z-score，而 k 是由 kurtosistest 返回的 z-score。
pvaluefloat 或 array: 假設檢定的雙尾卡方機率。

參見

常態性檢定: 延伸範例

筆記

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，輸出將是純量或形狀適當的 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，但輸出將是純量或 np.ndarray，而不是 mask=False 的遮罩陣列。

參考文獻

[1]

D’Agostino, R. B. (1971), “An omnibus test of normality for moderate and large sample size”, Biometrika, 58, 341-348

[2]

D’Agostino, R. and Pearson, E. S. (1973), “Tests for departure from normality”, Biometrika, 60, 613-622

範例

>>> import numpy as np
>>> from scipy import stats
>>> rng = np.random.default_rng()
>>> pts = 1000
>>> a = rng.normal(0, 1, size=pts)
>>> b = rng.normal(2, 1, size=pts)
>>> x = np.concatenate((a, b))
>>> res = stats.normaltest(x)
>>> res.statistic
53.619...  # random
>>> res.pvalue
2.273917413209226e-12  # random

如需更詳細的範例，請參閱常態性檢定。