Проверьте, соответствуют ли цифры кривой звонка (распределение гаусса) Python 3

Question

У меня есть файлы с данными об освещении, измеренные каждую минуту 24 часа в сутки. Так что, если есть день без облаков на небе, данные показывают приятные непрерывные кривые звонка. При поиске дня без каких-либо облаков в данных я всегда строил месяц за месяцем с gnuplot и проверял на наличие хороших кривых звонка.

Мне было интересно Если есть способ python проверить, если измерения Irradiance образуют непрерывную кривую звонка. Не знаю, слишком ли расплывчатый вопрос, но я просто ищу некоторые идеи по этому квесту :-)

Answer 1

Для нормального распространения есть normality tests.

Короче говоря, мы злоупотребляем некоторыми знаниями, которые мы имеем о том, что обычные дистрибутивы похожи на их идентификацию.

• kurtosis любого нормального распределения 3. Подсчитать эксцесс данных, и она должна быть близка к 3.

• skewness нормального распределения равна нулю, так что ваши данные должны иметь асимметрия близка к нулю

• В более общем плане вы можете вычислить ссылочный дистрибутив и использовать Bregman Divergence, чтобы оценить разницу (расхождение) между распределениями. выньте свои данные, создайте гистограмму и начните с расхождения Дженсена-Шеннона.

С помощью подхода расхождения вы можете сравнить с произвольным распределением. Вы можете записать тысячу солнечных дней и проверить, находится ли расхождение между солнечным днем ​​и вашим измеренным днем ​​ниже некоторого порога.