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。

参见

anderson: 正态性的Anderson-Darling检验
kstest: Kolmogorov-Smirnov拟合优度检验。

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

scipy.stats.levene

scipy.stats.anderson