卡方检验正态性python代码

卡方检验（Chi-squared test）用于评估观察数据是否符合预期的理论分布，通常应用于二分类或多分类变量的独立性测试。在Python中，我们可以使用`scipy.stats`库来进行卡方检验，包括检验连续数据的正态性。这里是一个简单的例子：

from scipy.stats import chisquare
import numpy as np

# 假设我们有一组随机生成的数据，想检验其是否符合正态分布
data = np.random.normal(size=100)  # 生成一组正态分布的数据

# 计算样本频率，这通常是将数据分到几个类别里得到的频数
observed_frequencies = np.histogram(data, bins=10, density=True)[0]

# 假设理论分布（如果假设数据正态，则可以取均匀分布）
expected_frequencies = np.ones_like(observed_frequencies) / len(data)

# 使用chisquare函数计算卡方统计量和p值
chi2_statistic, p_value = chisquare(observed_frequencies, expected_frequencies)

print(f"Chi-square statistic: {chi2_statistic}")
print(f"P-value: {p_value}")

# 如果p_value大于某个显著性水平（如0.05），则拒绝原假设，认为数据不符合正态分布
if p_value > 0.05:
    print("Data is likely normally distributed (at the given significance level).")
else:
    print("Data does not appear to be normally distributed (at the given significance level).")