python_數據分析_正態分布

 

Kolmogorov-Smirnov 與 Shapiro-Wilk 模型正態分布檢驗

 

 

Spss

stata 

 

 

R語言正態分布 

install.packages("nortest")

 

R中stats包中內置的ks.test()，可以用於檢驗標准分布，但這個檢驗方法效率並不高，且需要在大樣本情形下，lz20個數據，。。

這。。。。當時這個ks.test就是最原始的KS檢驗，至於lz想要在SPSS中得到相同的結果，please choose 非參檢驗，當然如果lz想要在R中得到與你之前spss中相同的結果，

please 加載nortest包，使用lillie.test()函數;原因就在於他使用了lillie修正，當然lz一定要用ks.test的話也可以，用ks.test(a1,"pnorm",0.4806,0.23307)即可~

 

 https://bbs.pinggu.org/thread-2438798-1-1.html

python 

 

import savReaderWriter
from scipy.stats import shapiro
from statsmodels.stats.diagnostic import lillifors
from scipy.stats import kstest


val = []

with savReaderWriter.SavReader("/opt/code/zkey_twice_mp/test/1111.sav", ioUtf8=True) as read:
    # 如果不用ioutf8， 漢字十六進制\被轉義，更麻煩
    for i in read:
        # print(i)
        val.append(i[7])

print(val)


stat, p = shapiro(val)
print("stat為：%f" % stat, "p值為：%f" % p)
# =================================================

stat, p= kstest(val, 'norm', mode='approx')
print("stat為：%f" % stat, "p值為：%f" % p)

stat, p= lillifors(val)
print("stat為：%f" % stat, "p值為：%f" % p)

 https://www.cnblogs.com/webRobot/p/6760839.html