Fonction SciPy stats.normaltest

1. La fonction scipy.stats.normaltest
2. Fonction scipy.stats.normaltest utilisant numpy.linspace()
3. Fonction scipy.stats.normaltest utilisant des données aléatoires

Le test de normalité dans les statistiques permet de calculer comment une variable aléatoire dans un ensemble de données donné est normalement distribuée. En outre, ce test est utilisé pour prédire dans quelle mesure un ensemble donné de données est structuré par la distribution normale.

La fonction scipy.stats.normaltest

La fonction scipy.stats.normaltest de la bibliothèque SciPy est utilisée pour vérifier si une valeur d’échantillon donnée s’écarte de la distribution normale de l’ensemble de données. Cette fonction vérifie également s’il existe ou non une différence entre certaines caractéristiques des données. Ce processus est aussi appelé hypothèse nulle. Cette fonction est définie comme scipy.stats.normaltest(a, axis, nan_policy)

Voici les paramètres de la fonction scipy.stats.normaltest.

Tous les paramètres sauf le paramètre a (array) sont optionnels. Cela signifie qu’il n’est pas nécessaire de les définir à chaque fois que vous utilisez la fonction scipy.stats.normaltest.

Fonction scipy.stats.normaltest utilisant numpy.linspace()

La fonction linespace() de la bibliothèque NumPy aide à créer des séquences numériques aléatoires régulièrement espacées.

from scipy.stats import normaltest
import numpy as np
import pylab as p

a = np.linspace(-10, 10, 2000)
b = 1 / (np.sqrt(2 * np.pi)) * np.exp(-0.8 * (a) ** 2)

p.plot(a, b, "*")

print("Normal test of the data = \n ", normaltest(b))

Production :

Fonction scipy.stats.normaltest utilisant des données aléatoires

La fonction np.random.normal de la bibliothèque NumPy est utilisée dans cette méthode. Cette fonction aide à créer un tableau d’une forme et d’une taille spécifiées qui se compose de valeurs aléatoires qui font en fait partie de la distribution gaussienne.

from scipy.stats import normaltest
import numpy as np

n = np.random.normal(0, 10, 10000)

print("N : ", n)

print("Normal test for input data : ", normaltest(n))

Production :

N :  [ 3.66175422  6.36095281 -0.84266502 ... -3.8817569   2.72610919
  1.80849087]
Normal test for input data :  NormaltestResult(statistic=4.626780379099072, pvalue=0.09892530688176408)