# -*- encoding: utf-8 -*-
import sys
import numpy as np
import pandas as pd
from scipy import stats as sts
import matplotlib.pyplot as plt
import matplotlib as mpl
if __name__ == "__main__":
# 檔案讀取
rf = pd.read_csv('',header = none,sep = '\s+',names=['體溫','性別','心率']);
print("結果資料概覽:")
print(rf.head())
print("體溫資料概覽:")
print(rf['體溫'].describe())
# 偏態係數
print("偏態係數:"+str(sts.skew(rf['體溫'])))
# 峰態係數
print("峰度係數:"+str(sts.kurtosis(rf['體溫'])))
u = rf['體溫'].mean() #計算均值
std = rf['體溫'].std() #計算標準差
# 正態檢測
# 適用於小樣本資料(3≤n≤50)
print(sts.shapiro(rf['體溫']))
# 適用於大樣本
print(sts.kstest(rf['體溫'],'norm',(u,std)))
# pvalue值大於0.05即認為符合正態分佈
R語言檢測資料正態分佈
輸入注釋 nx c rnorm 10 隨機產生10個正態分佈的資料 nx檢視nx 1 0.83241783 0.29609562 0.06736888 0.02366562 0.23652392 0.97570959 7 0.85301145 1.51769488 0.84866517 0.2069...
python 累積正態分佈函式 截斷正態分佈
截斷正態分佈 truncated normal distribution 是在正態分佈中界定隨機變數進而從正態分佈的分布函式中匯出的概率分布,在計量經濟學中具有廣泛的應用。正態分佈是定義在實數域的概率分布,而截斷正態分佈顧名思義就是在正態分佈中擷取部分區間的概率。截斷正態分佈的定義如下 由截斷正態的...
正態分佈函式
1 使用matlab畫出正態分佈的概率密度函式影象。x 10 0.01 10 y normpdf x,0,1 正態分佈函式。figure axes1 axes pos 0.1 0.1 0.85 0.85 plot x,y set axes1,ylim 0.01 0.43 xlim 3 3 圖1 2 ...