Shapiro-Wilk 检验

Question

博主，在洪水预测的文章里面，为什么我在检验正态分布，Shapiro-Wilk 检验的时候，
Flood Data Shapiro-Wilk Test: Statistic: 0.9986409478174612, p-value: 1.9404951990239258e-19
Train Data Shapiro-Wilk Test: Statistic: 0.9989550531037826, p-value: 2.3752604081267694e-42 可以帮忙看看吗，感谢！

Answer 1

阿里嘎多学长整理AIGC生成，因移动端显示问题导致当前答案未能完全显示，请使用PC端查看更加详细的解答过程

Shapiro-Wilk 检验

你在使用 Shapiro-Wilk 检验来检验洪水数据的正态分布，但是检验结果的 Statistic 值为 0.998640947817，这个值是什么意思？

Shapiro-Wilk 检验是一种常用的非参数检验方法，用于检验数据是否服从正态分布。检验结果的 Statistic 值是一个在[0,1]之间的值，表示数据与正态分布的相似度。

在这里，Statistic 值为 0.998640947817，这意味着数据与正态分布的相似度非常高，接近于 1。这个结果表明，数据可能是正态分布的，但是不能确定是否正态分布。

如果你想确定数据是否正态分布，可以尝试使用其他方法，例如 Q-Q 图、偏度图、峰度图等。同时，也可以使用其他非参数检验方法，例如 Anderson-Darling 检验、Kolmogorov-Smirnov 检验等。

Python 代码

import scipy.stats as stats

# 假设数据为 x
stat, p = stats.shapiro(x)
print("Statistic:", stat)
print("p-value:", p)

在上面的代码中，我们使用 scipy.stats 库中的 shapiro 函数来计算 Shapiro-Wilk 检验的 Statistic 值和 p 值。Statistic 值表示数据与正态分布的相似度，p 值表示检验结果的置信水平。如果 p 值小于某个确定的置信水平（通常为 0.05），则 reject null hypothesis，否则不能 reject null hypothesis。