統計學 體溫是否符合正態分佈？ 第四周

2021-09-26 02:19:16 字數 1791 閱讀 5185

import pandas as pd


from scipy import stats


import matplotlib.pyplot as plt


import matplotlib as mpl


#讀取資料


df = pd.read_csv(


'', header =


none


,sep =


'\s+'


,names=


['體溫'


,'性別'


,'心率'])


#檢視資料概覽


df.head(


)
# 檢視資料描述


df['體溫'


].describe(


)
輸出：

# 計算偏態係數


stats.skew(df[


'體溫'])


# out：-0.004367976879198404 


# 偏態係數小於0且接近0，曲線呈微左偏，大致呈對稱分布


# 峰態係數


stats.kurtosis(df[


'體溫'])


# 峰態係數0.7049597854114715


# 峰態係數大於0且接近0，說明曲線微高聳
我們知道正態分佈時堆對稱的，偏度為0，峰度為0，從以上兩個係數可以判斷，體溫的分布近似正態分佈，那到底是不是滿足分布的正態性呢，需要使用真正的統計檢驗方法，而不是簡單地檢查峰度或偏度。

這裡使用 scipy.stats 提供的 shapiro 函式，對體溫分布進行 shapiro-wilk 檢驗。該函式有兩個返回值，乙個是檢驗的t統計量，另乙個是p值。我們只需要知道如何使用p值判斷資料的正態性：如果p值小於等於0.05，就拒絕正態性假設，得出資料非正態分佈的結論。

# 檢驗是否滿足正態分佈


stats.shapiro(df[


'體溫'])


# out:(0.9865769743919373, 0.2331680953502655)


# 輸出結果中第乙個為統計數，第二個為p值


# p值小於0.05，所以體溫滿足正態分佈
體溫滿足正態分佈，我們將繪製正態分佈曲線

import matplotlib.pyplot as plt


import matplotlib as mpl


#解決亂碼


from pylab import


*mpl.rcparams[


'font.sans-serif']=


['simhei'


]#繪製正態分佈圖形


t = df[


'體溫'


].sort_values(


)#計算合適的位置和比例


loc,scale = stats.norm.fit(t)


plt.plot(t, stats.norm.pdf(t,loc,scale)


,'b-'


,label =


'norm'


)plt.title(u'體溫正態分佈圖'


)plt.show(


)
輸出：

統計學之正態分佈檢驗

本次主要是對資料集資料進行正態分佈檢驗，資料集位址為 主要包括三列資料，體溫 f 性別 1 男，2 女 心率 次 分鐘 1.資料統計 usr bin env python coding utf 8 import requests import pandas as pd import numpy as...

學習筆記 統計學入門（4 7） 正態分佈

索引 四 正態分佈 1 從樣本頻數分布到概率分布 直方圖 頻率圖的性質 1 直條的面積實質上是頻率 或者百分比 即 面積 高度 頻率 組距 寬度 組距 頻率 2 所有直條面積相加等於1 樣本量越來越大時，頻率 面積 去向概率 組距越來越小時，直方圖的頂替所成點並且各個直方條的頂鏈結成一條曲線，該曲線...

征服統計學02 什麼是正態分佈？

本文簡單介紹正態分佈 正態分佈簡介 正態分佈關鍵引數 均值 標準差 正態分佈曲線如何繪製 正態分佈曲線現象解釋 reference 正態分佈 normal distribution 又名高斯分布 gaussian distribution 又因其曲線酷似鐘形，得名鐘形曲線。還是以上篇提到的測量身高為...