SciPy stats.normaltest 関数

1. scipy.stats.normaltest 関数
2. scipy.stats.normaltest 関数 numpy.linspace() を使用
3. ランダムデータを使用した scipy.stats.normaltest 関数

統計の正規性検定は、特定のデータセットの確率変数が正規分布する方法を計算するのに役立ちます。また、このテストは、正規分布によって構造化された特定のデータセットがどれだけ適切かを予測するために使用されます。

scipy.stats.normaltest 関数

SciPy ライブラリの scipy.stats.normaltest 関数は、特定のサンプル値がデータセットの正規分布と異なるかどうかを確認するために使用されます。この関数は、データのいくつかの特性に違いがあるかどうかもチェックします。このプロセスは、帰無仮説としても知られています。この関数は、scipy.stats.normaltest(a, axis, nan_policy) として定義されています。

以下は、scipy.stats.normaltest 関数のパラメーターです。

a(配列) パラメーターを除くすべてのパラメーターはオプションです。つまり、scipy.stats.normaltest 関数を使用している間、毎回それらを定義する必要はありません。

scipy.stats.normaltest 関数 numpy.linspace() を使用

NumPy ライブラリの linespace() 関数は、等間隔のランダムな数値シーケンスを作成するのに役立ちます。

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))

出力：

ランダムデータを使用した scipy.stats.normaltest 関数

このメソッドでは、NumPy ライブラリの np.random.normal 関数が使用されます。この関数は、実際にはガウス分布の一部であるランダムな値で構成される、指定された形状とサイズの配列を作成するのに役立ちます。

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))

出力：

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)