本篇文章给大家分享的内容是python检验jarque-bera是否符合正态分布，有着一定的参考价值，有需要的朋友可以参考一下
正态分布是一种总体分布的正态性检验。当序列服从正态分布时，jb统计量：
渐进服从分布。其中n为样本规模，s,k分别为随机变量的偏度和峰度。计算公式如下：
python的sicipy.stats中偏度和峰度的调用的函数为stats.skew(y)、stats.kurtosis(y)，其中峰度的公式为
在excel中，偏度和峰度的计算公式如下：
下面自己实现一遍python的scipy库中计算偏度和斜的公式及建立正态分布检验。
代码import numpy as npimport scipy.stats as statsdef self_jbtest(y): # 样本规模n n = y.size y_ = y - y.mean() """ m2:二阶中心钜 skew 偏度 = 三阶中心矩 与 m2^1.5的比 krut 峰值 = 四阶中心钜 与 m2^2 的比 """ m2 = np.mean(y_**2) skew = np.mean(y_**3)/m2**1.5 krut = np.mean(y_**4)/m2**2 """ 计算jb统计量，以及建立假设检验 """ jb = n*(skew**2/6 + (krut-3 )**2/24) pvalue = 1 - stats.chi2.cdf(jb,df=2) print("偏度：",stats.skew(y),skew) print("峰值：",stats.kurtosis(y)+3,krut) print("jb检验：",stats.jarque_bera(y)) return np.array([jb,pvalue]) y1 = stats.norm.rvs(size=10) y2 = stats.t.rvs(size=1000,df=4) print(self_jbtest(y1)) print(self_jbtest(y2))
结果=============== restart: c:\users\tinysoft\desktop\jb正态性检验.py =============== 偏度： 0.5383125387398069 0.53831253874 峰值： 2.9948926317585918 2.99489263176 jb检验： (0.48297818444514068, 0.78545737133644544) [ 0.48297818 0.78545737] 偏度： -1.0488825341925703 -1.04888253419 峰值： 13.40804986639119 13.4080498664 jb检验： (4697.0050126426095, 0.0) [ 4697.00501264 0. ]
以上就是python检验jarque-bera是否符合正态分布的详细内容。