用python进行统计分析（2）

• 其他描述性统计量

• #方差
  np.var(df["wt"])
  #标准差
  np.std(df["wt"])
  #众数
  stats.mode(df["wt"])
  #偏度
  stats.skew(df["wt"])
  #峰度
  stats.kurtosis(df["wt"])
  #正态分布假设下
  se = np.std(df["wt"])/np.sqrt(len(df["wt"]))
  se 
  np.mean(df["wt"]) - 1.96*se
  np.mean(df["wt"]) + 1.96*se

   

• 统计学检验 

  • 正态性检验
    • 夏皮洛-威尔克（S-W）检验

      stats.shapiro(df["wt"])

      该检验用于检验一个随机样本数据是否来自正态分布（实际运用中可配合分布图使用)检验量为： ，返回检验量的值和p值

      • y是样本值，ai是最小二乘估计出的系数
      • 该检验适用于样本量不太大的数据
    • K-S检验
      • 适用于大样本的正态性检验（>50），通过比较两样本的频率分布、或者一个样本的频率分布与特定理论分布（如正态分布）之间的差异大小来推论两个分布是否来自同一分布。

        from scipy import stats
        # 检验单样本是否服从正态分布
        test = kstest(x,"norm") # x 是样本
        # 检验两个样本是否服从相同分布
        from scipy import ks_2samp
        ks_2samp(x,y)