scipy.stats.

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

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，输出将是标量或具有适当形状的 np.ndarray，而不是 2D np.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。