正态检验p值大于0.05,正态性检验p值是什么

　　通用条款177 /drdxf在之前的文章中已经说过，很多模型的假设是数据是正态分布的。本文主要谈如何判断数据是否符合正态分布。主要有两种方法：描述性统计方法和统计检验方法。

　　01.描述统计方法。描述统计是用描述的数字或图表来判断数据是否符合正态分布。常用的方法有Q-Q图、P-P图、直方图和茎叶图。

　　1.1 Q-Q图这个Q-Q不是用来聊天的QQ。q是分位数的缩写，即分位数。分位数就是把数据从小到大排序，然后切成100份，看不同位置的值。例如，中位数是中间位置的值。

　　Q-Q图的x轴是分位数，y轴是分位数对应的样本值。X-y是散点图的形式，通过它可以拟合一条直线。如果这条直线是从左下角到右上角的直线，可以判断数据符合正态分布，否则不可能。

　　拟合的直线和正态分布有什么关系？为什么可以根据这条直线来判断数据是否符合正态分布？

　　我们先来思考一下正态分布的特点。正态分布的X轴是样本值，X从左到右逐渐增大，Y轴是每个样本值的概率。概率值先升后降，在中间位置达到最高。

　　Q-Q图中的y轴可以理解为正态分布中的x轴。如果拟合的直线是45度，可以保证中位数两边的数值分布是相同的，即正态分布是基于中位数左右对称的。

　　在Python中，可以使用以下代码来绘制Q-Q图：

　　froipyimportstatfig=PLT . figure()RES=stats . proplot(x，plot=PLT) PLT.show()类似于Q-Q图，是P-P图。两者的区别在于，前者的Y轴是特定分位数对应的样本值，后者是累积概率。

　　1.2直方图直方图分为两种，一种是频率分布直方图，一种是频率分布直方图。频率是样本值出现的次数，频率是某个值出现的次数与所有样本值出现的总次数之比。

　　在Python中，我们可以使用下面的代码来绘制频率分布直方图：

　　importmatplotlib . pyplotaspltplt . hist(x，bins=10)

　　您可以使用以下代码来绘制频率分布直方图：

　　importseabornassnssns . distplot(x)

　　与直方图类似的还有茎叶图，它类似于表格的形式来显示每个值出现的频率。

　　02.统计检验方法。描述完统计方法，我们再来看看统计检验方法。统计方法主要有SW检验、KS检验、AD检验和W检验。

　　SW测试中的s是偏度，W是峰度。我们在上一篇文章中已经讲过峰度和偏度与正态性的关系。没看过的可以去看看：你站在哪一边？

　　2.1 KS检验KS检验是基于样本的累积分布函数。它可以用来判断一个样本集是否符合已知分布，也可以用来检验两个样本之间的显著性差异。

　　如果是判断一个样本是否符合已知的分布，比如正态分布，就需要先计算标准正态分布的累积分布函数，再计算样本集的累积分布函数。两个函数在不同的值下会有不同的差异。我们只需要找到差异最大的点D。然后根据样本集的样本数和显著性水平求差异边界值(类似于t-检验的边界值)。判断边界值与d的关系，如果d小于边界值，可以认为样本的分布符合已知分布，否则不能。

　　PDF(概率密度函数):概率密度函数。

　　CDF(累积分布函数):累积分布函数，是概率密度函数的积分。

　　Python中有现成的包可以直接用于KS验证：

　　From scipy.statsimportkstestkstest，cdf= norm) X表示要测试的样本集。CDF用于表示待判断的已知分布类型，inc

　　2.2 AD test AD test是在KS的基础上修改的。KS检验只考虑两个分布差异最大的点，但容易受到异常值的影响。AD检验考虑分布中每一点的差异。

　　在Python中，可以使用以下代码：

　　来自scipy。StatSimportandsAnderson (x，dist= norm) x是要测试的样本集，dist用于表示已知分布的类型。可选值与ks测试中的值一致。

　　上面的代码会返回三个结果：第一个是统计值，第二个是评价值，第三个是每个评价值对应的显著性水平。

　　AD测试和安德森有什么关系？安德森发明了广告测试。

　　2.3 W检验W检验(夏皮罗-维尔克的简称)是根据两个分布的相关性来做出判断，会得到一个类似皮尔逊相关系数的值。值越大，两个分布越相关，越符合某个分布。

　　Python中的实现代码如下：

　　上述来自scipy.statsimportShapiro (x)的代码将返回两个结果：W值及其对应的p_value。