# 通过直方图看一下数据的分布
plt.hist(data,100,density=True,facecolor='g',alpha=0.9)
plt.show()
?...df["分布"].skew()
0.014596985753041842
利用kurt计算峰度
df["分布"].kurt()
0.05430326828636112
我们再生成一组正态分布的数据来看一下...偏度
df["分布"].skew()
-0.0014804168276350241
利用kurt计算峰度,正态分布的峰度K为3,一般使用时默认K-3=0,这里的数据和0很接近
df["分布"].kurt...试问:从这组数据能否说明新安眠药达到疗效(假定睡眠时间服从正态分布,显著性水平为0.05)
# 先导入数据,创建数据集,进行描述性统计
dataSer = pd.DataFrame([26.7,,24.1...(α=0.05)
# 创建数据
aSer = pd.Series([20.5,19.8,19.7,20.4,20.1,20.0,19.0,19.9])
bSer = pd.Series([19.7,20.8,20.5,19.8,19.4,20.6,19.2