十一、检验分布
有时,正式检验你观察到的某些数据是否遵循特定分布,可能是有用的(或必要的)。
也许最常见的是,如果你使用假定数据具有特定分布的统计检验,则需要测试是否确实如此。
在这里,我们将关注最常见的情况:测试数据集是否正态分布。
d1 = stats.norm.rvs(size=100000)
# 绘制观测数据的直方图
# 如果数据是正态分布的,则包括预期分布,具有相同的数据均值和标准。
xs = np.arange(d1.min(), d1.max(), 0.1)
fit = stats.norm.pdf(xs, np.mean(d1), np.std(d1))
plt.plot(xs, fit, label='Normal Dist.', lw=3)
plt.hist(d1, 50, normed=True, label='Actual Data');
plt.legend();
不同分布
然而,视觉检查是不够的,并且可能会产生误导,因为非正态数据可能“看起来正态”。
除了在看起来很正态时查看检查数据,执行其他检查也很重要。
例如,在一些参数下,Beta 分布的数据看起来通常是正态的。
# 从 beta 分布生成一些数据
d2 = stats.beta.rvs(7, 10, size=100000)
# 绘制观测数据的直方图
plt.hist(d2, 50, normed=True, label='Actual Data');
如上所示,我们可能认为这些数据看起来非常正态,基于可视化。
但是,我们可以做更具体的检查。
# 在数据集上执行正态测试
stat, p_val = normaltest(d2)
# 检查 normaltest 的 p 值
print('\nNormaltest p value is: {:1.2e} \n'.format(p_val))
# 当 alpha 值为 0.05 时,我们应该如何处理
check_p_val(p_val, alpha=0.05)
'''
Normaltest p value is: 2.17e-184
We have evidence to reject the null hypothesis.
'''
非正态数据
在这个例子中,图形是不确定的,但“正态测试”表明这些数据实际上不太可能来自正态分布。
在这种情况下,我们碰巧知道这确实是正确的,因为数据的“基本事实”是它们是从 beta 分布生成的。
因此,在期望正态分布输入的统计测试中使用此数据是无效的,因为我们违反了这些测试所基于的假设。我们将不得不使用不同的方法来对这些数据进行统计比较。
更一般地,你可以使用 Kolmogorov-Smirnov 测试,来检查一组数据是否具有(你指定的)其他分布。
此测试在 scipy 中实现,你可以使用它进行探索。
kstest
形式与normaltest
类似,在这种情况下,我们将数据样本与指定的分布进行比较。
如果我们拒绝零假设,并使用一些预设的 alpha 值,我们可以得出结论,数据不符合所检验的分布。
# 让我们继续使用上面的数据,来自 beta 分布。
# 我们可以确认 kstest 认为它不是正态分布的
stat, p_val = kstest(d2, 'norm')
print('Statistic: \t{:1.2f} \nP-Value: \t{:1.2e}\n'.format(stat, p_val))
check_p_val(p_val, alpha=0.05)
'''
Statistic: 0.56
P-Value: 0.00e+00
We have evidence to reject the null hypothesis.
'''
# 现在将数据与 beta 分布进行比较。
# 请注意,在这种情况下,我们必须为我们正在测试的 beta 分布指定一些参数
stat, p_val = kstest(d2, 'beta', [7, 10])
print('Statistic: \t{:1.2f} \nP-Value: \t{:1.2e}\n'.format(stat, p_val))
check_p_val(p_val, alpha=0.05)
'''
Statistic: 0.00
P-Value: 1.69e-01
We do not have evidence to reject the null hypothesis.