jarque_bera#
- scipy.stats.jarque_bera(x, *, axis=None, nan_policy='propagate', keepdims=False)[source]#
对样本数据执行 Jarque-Bera 拟合优度检验。
Jarque-Bera 检验测试样本数据的偏度和峰度是否与正态分布匹配。
请注意,此测试仅适用于足够大的数据样本数量(>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:
- xarray_like
随机变量的观测值。
- axisint 或 None,默认值:None
如果为 int,则为输入沿其计算统计量的轴。 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
None
,则在计算统计量之前将展平输入。- nan_policy{‘propagate’, ‘omit’, ‘raise’}
定义如何处理输入 NaN。
propagate
: 如果沿其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
: 执行计算时将省略 NaN。 如果沿其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
如果将其设置为 True,则减少的轴将保留在结果中,作为大小为 1 的维度。 使用此选项,结果将针对输入数组正确广播。
- 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。
另请参见
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,输出将是标量或具有适当形状的np.ndarray
,而不是 2Dnp.matrix
。 类似地,虽然会忽略屏蔽数组的屏蔽元素,但输出将是标量或np.ndarray
,而不是mask=False
的屏蔽数组。jarque_bera
除了 NumPy 之外,还对 Python Array API 标准兼容后端具有实验性支持。 请考虑通过设置环境变量SCIPY_ARRAY_API=1
并提供 CuPy、PyTorch、JAX 或 Dask 数组作为数组参数来测试这些功能。 支持以下后端和设备(或其他功能)的组合。库
CPU
GPU
NumPy
✅
不适用
CuPy
不适用
✅
PyTorch
✅
✅
JAX
⚠️ 无 JIT
⚠️ 无 JIT
Dask
⚠️ 计算图
不适用
有关更多信息,请参见 支持数组 API 标准。
参考文献
[1]Jarque, C. 和 Bera, A. (1980) “Efficient tests for normality, homoscedasticity and serial independence of regression residuals”, 6 Econometric Letters 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,请参见 Jarque-Bera 拟合优度检验。