数据挖掘之拟合优度检验

本博客根据非常好的excel资料而编写,使用python语言操作,预计使用一周的时间更新完成。需要《非常好的excel资料》word文档,欢迎发邮件给[email protected],免费发放。这篇博客对应《非常好的excel资料》里的第4章节。

在这里插入图片描述在这里插入图片描述自由度v=(行数-1)(列数-1)
① 数据
在这里插入图片描述
②Python代码如下

def lilunpinshu(n,m,v,pingshu,qujianduandian):
    j=0
    a=[]
   # s=sum(tree111)
    s = sum(pingshu)
    for i in range(0,n):
        if i==0:
            aa=s*stats.norm.cdf(qujianduandian[i],m,v)
          ##  aa=s*stats.norm.cdf(tree113[i],m,v)
           
            a.append(aa)
        else:
            cc=stats.norm.cdf(qujianduandian[i],m,v)
            c=stats.norm.cdf(qujianduandian[i-1],m,v)
            a.append(s*(cc-c))
    return a

import pandas as pd 
from scipy import stats
from scipy.stats import chisquare
tree=pd.read_csv('D:\data.csv',encoding='gbk')
tree11=tree.iloc[0:12,7:]
tree111 = list(tree11['频数'][:9])
tree112 = list(pd.to_numeric(tree11['理论频数'][:9]))
tree113 = list(tree11['Unnamed: 10'][:9])

结果图
在这里插入图片描述
在这里插入图片描述
所以此数据服从正态分布

上一篇博客:假设检验实验
下一篇博客:假设检验实验和拟合优度检验练习题

猜你喜欢

转载自blog.csdn.net/qq_31089125/article/details/84583174