skewtest#
- scipy.stats.skewtest(a, axis=0, nan_policy='propagate', alternative='two-sided', *, keepdims=False)[source]#
测试偏度是否与正态分布不同。
此函数测试零假设:样本的总体偏度与相应的正态分布相同。
- 参数:
- aarray
要测试的数据。必须包含至少八个观测值。
- axisint 或 None,默认值:0
如果为 int,则为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输入展平。- nan_policy{‘propagate’, ‘omit’, ‘raise’}
定义如何处理输入 NaN。
propagate
:如果在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。 如果在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
。
- alternative{‘two-sided’, ‘less’, ‘greater’}, 可选
定义备择假设。默认值为 ‘two-sided’。以下选项可用
‘two-sided’:样本的基础分布的偏度与正态分布的偏度不同(即 0)
‘less’:样本的基础分布的偏度小于正态分布的偏度
‘greater’:样本的基础分布的偏度大于正态分布的偏度
1.7.0 版本新增。
- 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,结果将针对输入数组正确广播。
- 返回值:
- statisticfloat
此测试的计算 z 分数。
- pvaluefloat
假设检验的 p 值。
参见
- 偏度测试
扩展示例
注释
样本大小必须至少为 8。
从 SciPy 1.9 开始,
np.matrix
输入(不推荐用于新代码)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 2Dnp.matrix
。 类似地,虽然忽略了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。skewtest
除了 NumPy 之外,还实验性地支持 Python Array API Standard 兼容后端。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,请参见对数组 API 标准的支持。
参考文献
[1]R. B. D’Agostino, A. J. Belanger and R. B. D’Agostino Jr., “A suggestion for using powerful and informative tests of normality”, American Statistician 44, pp. 316-321, 1990.
示例
>>> from scipy.stats import skewtest >>> skewtest([1, 2, 3, 4, 5, 6, 7, 8]) SkewtestResult(statistic=1.0108048609177787, pvalue=0.3121098361421897) >>> skewtest([2, 8, 0, 4, 1, 9, 9, 0]) SkewtestResult(statistic=0.44626385374196975, pvalue=0.6554066631275459) >>> skewtest([1, 2, 3, 4, 5, 6, 7, 8000]) SkewtestResult(statistic=3.571773510360407, pvalue=0.0003545719905823133) >>> skewtest([100, 100, 100, 100, 100, 100, 100, 101]) SkewtestResult(statistic=3.5717766638478072, pvalue=0.000354567720281634) >>> skewtest([1, 2, 3, 4, 5, 6, 7, 8], alternative='less') SkewtestResult(statistic=1.0108048609177787, pvalue=0.8439450819289052) >>> skewtest([1, 2, 3, 4, 5, 6, 7, 8], alternative='greater') SkewtestResult(statistic=1.0108048609177787, pvalue=0.15605491807109484)
有关更详细的示例,请参见偏度测试。