D‘Agostino‘s K-squared Test正态分布检验的Python实现

D’Agostino’s K-squared Test正态分布检验的Python实现

正态分布检验是统计学中常用的方法之一，用于确定一个数据集是否来自于正态分布。D’Agostino’s K-squared Test是一种常见的正态分布检验方法之一，它基于样本数据的偏度和峰度来判断数据是否服从正态分布。本文将介绍如何使用Python实现D’Agostino’s K-squared Test正态分布检验，并提供相应的源代码。

首先，我们需要导入必要的库，包括NumPy和SciPy：

import numpy as np
from scipy.stats import normaltest

接下来，我们准备一个示例数据集，假设我们有一个包含100个观测值的样本数据：

data = np.random.normal