scipy.stats.skewtest¶
- scipy.stats.skewtest(a, axis=0, nan_policy='propagate', alternative='two-sided')[源代码]¶
检验偏差是否不同于正态分布。
此函数测试抽样所来自的总体的偏斜度与相应正态分布的偏斜度相同的零假设。
- 参数
- a阵列
要测试的数据。
- axis整型或无型,可选
沿其计算统计信息的轴。默认值为0。如果没有,则对整个阵列进行计算 a 。
- nan_policy{‘Propagate’,‘RAISE’,‘OMIT’},可选
定义输入包含NaN时的处理方式。以下选项可用(默认值为‘Propagate’):
‘Propagate’:返回NaN
“raise”:引发错误
‘omit’:执行计算时忽略NaN值
- alternative{‘双面’,‘少’,‘大’},可选
定义了另一种假设。默认值为“双面”。以下选项可用:
‘双边’:样本下面的分布的偏斜度不同于正态分布的偏斜度(即0)
‘Less’:样本下面的分布的偏斜度小于正态分布的偏斜度
‘较大’:样本下面的分布的偏斜度大于正态分布的偏斜度
1.7.0 新版功能.
- 退货
- statistic浮动
此测试的计算z分数。
- pvalue浮动
假设检验的p值。
注意事项
样本大小必须至少为8。
参考文献
- 1
R.B.D‘Agostino,A.J.Belanger和R.B.D’Agostino Jr.,“关于使用强大且信息丰富的正态检验的建议”,“美国统计学家”,第44页,第316-321页,1990年。
示例
>>> from scipy.stats import skewtest >>> skewtest([1, 2, 3, 4, 5, 6, 7, 8]) SkewtestResult(statistic=1.0108048609177787, pvalue=0.3121098361421897) >>> skewtest([2, 8, 0, 4, 1, 9, 9, 0]) SkewtestResult(statistic=0.44626385374196975, pvalue=0.6554066631275459) >>> skewtest([1, 2, 3, 4, 5, 6, 7, 8000]) SkewtestResult(statistic=3.571773510360407, pvalue=0.0003545719905823133) >>> skewtest([100, 100, 100, 100, 100, 100, 100, 101]) SkewtestResult(statistic=3.5717766638478072, pvalue=0.000354567720281634) >>> skewtest([1, 2, 3, 4, 5, 6, 7, 8], alternative='less') SkewtestResult(statistic=1.0108048609177787, pvalue=0.8439450819289052) >>> skewtest([1, 2, 3, 4, 5, 6, 7, 8], alternative='greater') SkewtestResult(statistic=1.0108048609177787, pvalue=0.15605491807109484)