python_数据分析_正态分布

Kolmogorov-Smirnov 与 Shapiro-Wilk 模型正态分布检验

Spss

stata

R语言正态分布

R中stats包中内置的ks.test()，可以用于检验标准分布，但这个检验方法效率并不高，且需要在大样本情形下，lz20个数据，。。

这。。。。当时这个ks.test就是最原始的KS检验，至于lz想要在SPSS中得到相同的结果，please choose 非参检验，当然如果lz想要在R中得到与你之前spss中相同的结果，

please 加载nortest包，使用lillie.test()函数;原因就在于他使用了lillie修正，当然lz一定要用ks.test的话也可以，用ks.test(a1,"pnorm",0.4806,0.23307)即可~

python

import savReaderWriter
from scipy.stats import shapiro
from statsmodels.stats.diagnostic import lillifors
from scipy.stats import kstest

val = []

with savReaderWriter.SavReader("/opt/code/zkey_twice_mp/test/1111.sav", ioUtf8=True) as read:
    # 如果不用ioutf8， 汉字十六进制\被转义，更麻烦
    for i in read:
        # print(i)
        val.append(i[7])

print(val)

stat, p = shapiro(val)
print("stat为：%f" % stat, "p值为：%f" % p)
# =================================================

stat, p= kstest(val, ‘norm‘, mode=‘approx‘)
print("stat为：%f" % stat, "p值为：%f" % p)

stat, p= lillifors(val)
print("stat为：%f" % stat, "p值为：%f" % p)

https://www.cnblogs.com/webRobot/p/6760839.html

原文地址：https://www.cnblogs.com/renfanzi/p/11157429.html