Ctrl+K
scipy.stats.

skewtest#

scipy.stats.skewtest(a, axis=0, nan_policy='propagate', alternative='two-sided', *, keepdims=False)[源代码]#

测试偏度是否与正态分布不同。

此函数测试的零假设是：样本来自的总体偏度与相应的正态分布相同。

参数:
a数组

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，则为计算统计信息的输入轴。输入的每个轴切片（例如，行）的统计信息将显示在输出的相应元素中。如果为 None，则在计算统计信息之前将展开输入。

nan_policy{‘propagate’, ‘omit’, ‘raise’}

定义如何处理输入 NaN。

  • propagate：如果计算统计信息的轴切片（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。如果计算统计信息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”：样本底层分布的偏度与正态分布的偏度（即 0）不同

  • “less”：样本底层分布的偏度小于正态分布的偏度

  • “greater”：样本底层分布的偏度大于正态分布的偏度

在 1.7.0 版本中添加。

keepdimsbool，默认值：False

如果将其设置为 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:
statistic浮点数

此测试的计算 z 分数。

pvalue浮点数

假设检验的 p 值。

另请参阅

偏度测试

扩展示例

注意

样本大小必须至少为 8。

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 2D 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

[1]

R. B. D'Agostino, A. J. Belanger 和 R. B. D'Agostino Jr., “关于使用强大且信息丰富的正态性检验的建议”，《美国统计学家》44，第 316-321 页，1990 年。

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，请参阅 偏度测试。

在本页上