Question

我正在尝试对数据进行正态性测试。

# Method 1
import numpy as np
from scipy.stats import shapiro

data = [1874181.6503, 2428393.05517, 2486600.8183,...] # there are 146 data points
data = np.array(data)
stat, p = shapiro(data)
print('statistics=%.3f, p=%.3f' % (stat, p))
alpha = 0.05
if p > alpha:
    print('its Gaussian ')
else:
    print('not Gaussian')

----输出----

statistics=0.582, p=0.000 
not Gaussian

当我运行它时，我得到的不是高斯，当我计算平均值和标准差并使用np.random.normal（mu，sigma，149）（如下所示）生成样本时，其显示为高斯

# Method 2 
import numpy as np
from scipy.stats import shapiro

data = [1874181.6503, 2428393.05517, 2486600.8183,...] # there are 146 data points

data = np.array(data)
d_mu = np.mean(data)
d_sig = np.std(data)
data = np.random.normal(d_mu,d_sig, 146)
stat, p = shapiro(data)
print('statistics=%.3f, p=%.3f' % (stat, p))

alpha = 0.05
if p > alpha:
    print('its Gaussian ')
else:
    print('not Gaussian')

------输出----

statistics=0.987, p=0.212
its Gaussian

我对数据分析非常陌生，如果有人可以帮助我解决以下疑问，这将很有帮助

进行shapiro测试的正确方法是什么？方法1或方法2 ..？
我很难理解np.random.normal（d_mu，d_sig，146）函数。 docs中给出的定义是“从正态（高斯）分布中抽取随机样本”。但是，要生成什么数据样本，我们已经有数据（我的输入数据），并且已经计算出均值和标准差以绘制正态分布，并且该函数返回了其他一些数据样本，我的shapiro测试适用于此（我知道我完全错误地接受了它，但是无法确定哪一个是正确的）
我正在尝试对时间序列数据进行正态分布。任何人都可以建议的任何有用的文档链接...？做正态性测试和正态分布。任何能指导我正确方向的东西

如何使用python scipy输入数据进行shapiro wilk测试

0 个答案: