scipy.stats.shapiro¶
- scipy.stats.shapiro(x)[源代码]¶
对正态性进行夏皮罗-威尔克检验。
夏皮罗-威尔克检验检验了数据来自正态分布的零假设。
- 参数
- xarray_like
示例数据数组。
- 退货
- statistic浮动
测试统计数据。
- p-value浮动
假设检验的p值。
注意事项
中介绍了使用的算法 [4] 但是没有实现所描述的审查参数。对于N>5000,W检验统计是准确的,但p值可能不是。
不管样本大小如何,当零假设为真时拒绝它的机会接近5%。
参考文献
- 1
https://www.itl.nist.gov/div898/handbook/prc/section2/prc213.htm
- 2
夏皮罗,S.S.&Wilk,M.B.(1965)。正态分布的方差检验分析(完全样本),《比比斯皮尔卡》,第52卷,第591-611页。
- 3
Razali,N.M.&Wah,Y.B.(2011)Shapiro-Wilk,Kolmogorov-Smirnov,Lilliefors和Anderson-Darling检验的功率比较,“统计建模与分析杂志”,第2卷,第21-33页。
- 4
算法为R94APPL。统计学家。(1995)第一卷。44号,第4号。
示例
>>> from scipy import stats >>> rng = np.random.default_rng() >>> x = stats.norm.rvs(loc=5, scale=3, size=100, random_state=rng) >>> shapiro_test = stats.shapiro(x) >>> shapiro_test ShapiroResult(statistic=0.9813305735588074, pvalue=0.16855233907699585) >>> shapiro_test.statistic 0.9813305735588074 >>> shapiro_test.pvalue 0.16855233907699585