scipy.stats.

boxcox_normplot#

scipy.stats.boxcox_normplot(x, la, lb, plot=None, N=80)[Quellcode]#

Berechnet Parameter für ein Box-Cox-Normalitätsdiagramm und zeigt es optional an.

Ein Box-Cox-Normalitätsdiagramm zeigt grafisch, welcher Transformationsparameter am besten in boxcox verwendet werden kann, um eine Verteilung zu erhalten, die nahe an einer Normalverteilung liegt.

Parameter:

xarray_like: Eingabearray.
la, lbSkalar: Die untere und obere Grenze für die lmbda-Werte, die an boxcox für Box-Cox-Transformationen übergeben werden. Dies sind auch die Grenzen der horizontalen Achse des Diagramms, falls eines generiert wird.
plotObjekt, optional: Wenn angegeben, werden die Quantile und die Kleinste-Quadrate-Anpassung geplottet. plot ist ein Objekt, das die Methoden „plot“ und „text“ haben muss. Das Modul matplotlib.pyplot oder ein Matplotlib Axes-Objekt kann verwendet werden, oder ein benutzerdefiniertes Objekt mit denselben Methoden. Standardmäßig None, was bedeutet, dass kein Diagramm erstellt wird.
Nint, optional: Anzahl der Punkte auf der horizontalen Achse (gleichmäßig verteilt von la bis lb).

Rückgabe:

lmbdasndarray: Die lmbda-Werte, für die eine Box-Cox-Transformation durchgeführt wurde.
ppccndarray: Wahrscheinlichkeitsdiagramm-Korrelationskoeffizient, wie von probplot erhalten, wenn die Box-Cox-transformierte Eingabe x gegen eine Normalverteilung angepasst wird.

Siehe auch

probplot, boxcox, boxcox_normmax, boxcox_llf, ppcc_max

Hinweise

Auch wenn plot angegeben ist, wird die Abbildung von boxcox_normplot nicht angezeigt oder gespeichert; plt.show() oder plt.savefig('figname.png') sollte nach dem Aufruf von probplot verwendet werden.

Beispiele

>>> from scipy import stats
>>> import matplotlib.pyplot as plt

Erzeuge einige nicht-normalverteilte Daten und erstelle ein Box-Cox-Diagramm

>>> x = stats.loggamma.rvs(5, size=500) + 5
>>> fig = plt.figure()
>>> ax = fig.add_subplot(111)
>>> prob = stats.boxcox_normplot(x, -20, 20, plot=ax)

Ermittle und plottet den optimalen lmbda-Wert, um x zu transformieren, und plottet diesen im selben Diagramm

>>> _, maxlog = stats.boxcox(x)
>>> ax.axvline(maxlog, color='r')

>>> plt.show()

../../_images/scipy-stats-boxcox_normplot-1.png