python正态分布检验

在 Python 中，可以使用 `scipy.stats` 库中的 `normaltest` 函数对数据进行正态分布检验。该函数的返回值包含两个值：检验统计量和 p 值。若 p 值小于显著性水平（通常为 0.05），则拒绝原假设，即数据不服从正态分布。

以下是一个示例代码：

from scipy import stats
import numpy as np

# 生成 100 个随机数
data = np.random.normal(0, 1, 100)

# 进行正态分布检验
statistic, p_value = stats.normaltest(data)

# 输出检验结果
print("检验统计量：", statistic)
print("p 值：", p_value)
if p_value < 0.05:
    print("数据不服从正态分布")
else:
    print("数据服从正态分布")

上述代码中，我们使用 `np.random.normal` 生成了 100 个均值为 0，标准差为 1 的随机数，并使用 `stats.normaltest` 函数进行正态分布检验。最后根据 p 值判断数据是否服从正态分布。