Я пытаюсь выполнить тест нормальности с моими данными.
# Method 1
import numpy as np
from scipy.stats import shapiro
data = [1874181.6503, 2428393.05517, 2486600.8183,...] # there are 146 data points
data = np.array(data)
stat, p = shapiro(data)
print('statistics=%.3f, p=%.3f' % (stat, p))
alpha = 0.05
if p > alpha:
print('its Gaussian ')
else:
print('not Gaussian')
---- Вывод ----
statistics=0.582, p=0.000
not Gaussian
Когда я его запускаю, яполучить его не по гауссову, и когда я вычисляю среднее и стандартное отклонение и генерирую выборку, используя np.random.normal (mu, sigma, 149) (образец показан ниже), тогда он отображается как гауссовский
# Method 2
import numpy as np
from scipy.stats import shapiro
data = [1874181.6503, 2428393.05517, 2486600.8183,...] # there are 146 data points
data = np.array(data)
d_mu = np.mean(data)
d_sig = np.std(data)
data = np.random.normal(d_mu,d_sig, 146)
stat, p = shapiro(data)
print('statistics=%.3f, p=%.3f' % (stat, p))
alpha = 0.05
if p > alpha:
print('its Gaussian ')
else:
print('not Gaussian')
----- Вывод ----
statistics=0.987, p=0.212
its Gaussian
Я очень новичок в аналитике данных, будет полезно, если кто-то может помочь мне в следующих сомнениях
- Какой метод для теста Шапиро является правильным?Метод 1 или Метод 2 ..?
Мне трудно понять функцию np.random.normal (d_mu, d_sig, 146).Определение, данное в документах: «Вычеркнуть случайные выборки из нормального (гауссовского) распределения».Но какую выборку данных она генерирует, у нас уже есть данные (мои входные данные), и мы рассчитали среднее значение и стандартное отклонение для построения графика нормального распределения, и функция возвращает некоторую другую выборку данных, и мой тест Шапиро для этого работает (я знаю, что полностью ошибаюсь, но не могу решить, какой из них правильный)
Я пытаюсь сделать нормальное распределение для данных временных рядов.Любые полезные ссылки на документы, которые можно предложить ...?сделать тест на нормальность и нормальное распределение.Все, что ведет меня в правильном направлении