scipy.stats.

jarque_bera#

scipy.stats.jarque_bera(x, *, axis=None, nan_policy='propagate', keepdims=False)[源代码]#

对样本数据执行 Jarque-Bera 拟合优度检验。

Jarque-Bera 检验用于测试样本数据的偏度和峰度是否与正态分布匹配。

请注意，此检验仅适用于足够多的数据样本（>2000），因为检验统计量渐近地具有自由度为 2 的卡方分布。

参数:

x类数组

随机变量的观测值。

axisint 或 None，默认值：None

如果为 int，则表示计算统计量的输入轴。输入的每个轴切片（例如，行）的统计量将显示在输出的相应元素中。如果为 None，则在计算统计量之前将展开输入。

nan_policy{'propagate', 'omit', 'raise'}

定义如何处理输入 NaN。

propagate：如果计算统计量的轴切片（例如，行）中存在 NaN，则输出的相应条目将为 NaN。
omit：在执行计算时将省略 NaN。如果计算统计量的轴切片中剩余的数据不足，则输出的相应条目将为 NaN。
raise：如果存在 NaN，将引发 ValueError。

keepdimsbool，默认值：False

如果设置为 True，则缩减的轴将保留在结果中，作为大小为 1 的维度。使用此选项，结果将与输入数组正确广播。

返回:

resultSignificanceResult

具有以下属性的对象

statisticfloat: 检验统计量。
pvaluefloat: 假设检验的 p 值。

参见

Jarque-Bera 拟合优度检验: 扩展示例

注释

从 SciPy 1.9 开始，np.matrix 输入（不建议用于新代码）在执行计算之前会转换为 np.ndarray。在这种情况下，输出将是标量或适当形状的 np.ndarray，而不是二维 np.matrix。类似地，虽然会忽略掩码数组的掩码元素，但输出将是标量或 np.ndarray，而不是 mask=False 的掩码数组。

参考文献

[1]

Jarque, C. 和 Bera, A. (1980) “回归残差的正态性、同方差性和序列独立性的有效检验”，6 计量经济学快报 255-259。

示例

>>> import numpy as np
>>> from scipy import stats
>>> rng = np.random.default_rng()
>>> x = rng.normal(0, 1, 100000)
>>> jarque_bera_test = stats.jarque_bera(x)
>>> jarque_bera_test
Jarque_beraResult(statistic=3.3415184718131554, pvalue=0.18810419594996775)
>>> jarque_bera_test.statistic
3.3415184718131554
>>> jarque_bera_test.pvalue
0.18810419594996775

有关更详细的示例，请参阅Jarque-Bera 拟合优度检验。