下面自己实现一遍python的scipy库中计算偏度和斜的公式及建立正态分布检验。
import numpy as npimport scipy.stats as statsdef self_JBtest(y):
# 样本规模n
n = y.size
y_ = y - y.mean() """
M2:二阶中心钜
skew 偏度 = 三阶中心矩 与 M2^1.5的比
krut 峰值 = 四阶中心钜 与 M2^2 的比
"""
M2 = np.mean(y_**2)
skew = np.mean(y_**3)/M2**1.5
krut = np.mean(y_**4)/M2**2
"""
计算JB统计量，以及建立假设检验
"""
JB = n*(skew**2/6 + (krut-3 )**2/24)
pvalue = 1 - stats.chi2.cdf(JB,df=2)
print("偏度：",stats.skew(y),skew)
print("峰值：",stats.kurtosis(y)+3,krut)
print("JB检验：",stats.jarque_bera(y)) return np.array([JB,pvalue])
y1 = stats.norm.rvs(size=10)
y2 = stats.t.rvs(size=1000,df=4)
print(self_JBtest(y1))
print(self_JBtest(y2))=============== RESTART: C:Users inysoftDesktopJB正态性检验.py =============== 偏度： 0.5383125387398069 0.53831253874 峰值： 2.99426317585918 2.994263176 JB检验： (0.48297818444514068, 0.785457371334544) [ 0.48297818 0.78545737] 偏度： -1.0488825341925703 -1.04888253419 峰值： 13.40804986639119 13.40804986 JB检验： (4697.00501226095, 0.0) [ 4697.005012 0. ]下载本文