用python进行统计分析（2）

#方差
np.var(df["wt"])
#标准差
np.std(df["wt"])
#众数
stats.mode(df["wt"])
#偏度
stats.skew(df["wt"])
#峰度
stats.kurtosis(df["wt"])
#正态分布假设下
se = np.std(df["wt"])/np.sqrt(len(df["wt"]))
se 
np.mean(df["wt"]) - 1.96*se
np.mean(df["wt"]) + 1.96*se

统计学检验 

• 正态性检验
  • 夏皮洛-威尔克（S-W）检验

    stats.shapiro(df["wt"])

    该检验用于检验一个随机样本数据是否来自正态分布（实际运用中可配合分布图使用)检验量为： ，返回检验量的值和p值

    • y是样本值，ai是最小二乘估计出的系数
    • 该检验适用于样本量不太大的数据
  • K-S检验
    • 适用于大样本的正态性检验（>50），通过比较两样本的频率分布、或者一个样本的频率分布与特定理论分布（如正态分布）之间的差异大小来推论两个分布是否来自同一分布。

      from scipy import stats
      # 检验单样本是否服从正态分布
      test = kstest(x,"norm") # x 是样本
      # 检验两个样本是否服从相同分布
      from scipy import ks_2samp
      ks_2samp(x,y)