{"id":865,"date":"2023-07-28T12:03:55","date_gmt":"2023-07-28T12:03:55","guid":{"rendered":"https:\/\/statorials.org\/de\/etwas-python-plot\/"},"modified":"2023-07-28T12:03:55","modified_gmt":"2023-07-28T12:03:55","slug":"etwas-python-plot","status":"publish","type":"post","link":"https:\/\/statorials.org\/de\/etwas-python-plot\/","title":{"rendered":"So erstellen sie ein qq-diagramm in python"},"content":{"rendered":"

<\/p>\n

\n

Ein QQ-Plot<\/strong> , kurz f\u00fcr \u201eQuantil-Quantil\u201c, wird h\u00e4ufig verwendet, um zu bewerten, ob ein Datensatz m\u00f6glicherweise aus einer theoretischen Verteilung stammt oder nicht.<\/span><\/p>\n

In den meisten F\u00e4llen wird dieser Diagrammtyp verwendet, um zu bestimmen, ob ein Datensatz einer Normalverteilung<\/a> folgt oder nicht.<\/span><\/p>\n

In diesem Tutorial wird erl\u00e4utert, wie Sie in Python ein QQ-Diagramm f\u00fcr einen Datensatz erstellen.<\/span><\/p>\n

Beispiel: QQ-Plot in Python<\/strong><\/span><\/h3>\n

Angenommen, wir haben den folgenden Datensatz mit 100 Werten:<\/span><\/p>\n

 import<\/span> numpy as<\/span> np\n\n#create dataset with 100 values that follows a normal distribution\n<\/span>np.random.seed(0)\ndata = np.random.normal(0,1, 1000)\n\n#view first 10 values\n<\/span>data[:10] \n\narray([ 1.76405235, 0.40015721, 0.97873798, 2.2408932 , 1.86755799,\n       -0.97727788, 0.95008842, -0.15135721, -0.10321885, 0.4105985 ])<\/strong><\/pre>\n
 import<\/span> statsmodels.api as<\/span> sm\nimport<\/span> matplotlib.pyplot as<\/span> plt\n\n#create QQ plot with 45-degree line added to plot<\/span>\nfig = sm.qqplot(data, line='45')\nplt.show()\n<\/strong><\/pre>\n
\"QQ-Plot<\/p>\n
 In einem QQ-Diagramm zeigt die x-Achse die theoretischen Quantile<\/strong> an. Das bedeutet, dass nicht Ihre tats\u00e4chlichen Daten angezeigt werden, sondern vielmehr, wo sich Ihre Daten befinden w\u00fcrden, wenn sie normalverteilt w\u00e4ren.<\/span><\/p>\n
 Die Y-Achse zeigt Ihre aktuellen Daten<\/strong> an. Das bedeutet, dass die Daten normalverteilt sind, wenn die Datenwerte einer ann\u00e4hernd geraden Linie im 45-Grad-Winkel folgen.<\/span><\/p>\n
 \u00dcberlegen Sie stattdessen, ob wir einen Datensatz mit 100 gleichm\u00e4\u00dfig verteilten Werten generieren und ein QQ-Diagramm f\u00fcr diesen Datensatz erstellen w\u00fcrden:<\/span> <\/p>\n
 #create dataset of 100 uniformly distributed values<\/span>\ndata = np.random.uniform(0,1, 1000)\n\n#generate QQ plot for the dataset\n<\/span>fig = sm.qqplot(data, line='45')\nplt.show()\n<\/strong><\/pre>\n
\"Q-Q-Plot<\/p>\n
 Die Datenwerte folgen eindeutig nicht der roten 45-Grad-Linie, was darauf hindeutet, dass sie keiner Normalverteilung folgen.<\/span><\/p>\n
 Hinweise zu QQ-Plots<\/strong><\/span><\/h3>\n
 Beachten Sie die folgenden Hinweise zu QQ-Diagrammen:<\/span><\/p>\n
 In unserem obigen QQ-Diagramm k\u00f6nnen wir sehen, dass die Datenwerte dazu neigen, eng an den 45-Grad-Winkel zu halten, was bedeutet, dass die Daten wahrscheinlich normalverteilt sind. Dies sollte nicht \u00fcberraschen, da wir die 100 Datenwerte mit der Funktion numpy.random.normal()<\/a> generiert haben.<\/span><\/p>\n
 Um ein QQ-Diagramm f\u00fcr diesen Datensatz zu erstellen, k\u00f6nnen wir die Funktion qqplot()<\/a> aus der Statsmodels-Bibliothek verwenden:<\/span> <\/p>\n