{"id":867,"date":"2023-07-28T12:03:55","date_gmt":"2023-07-28T12:03:55","guid":{"rendered":"https:\/\/statorials.org\/it\/qualche-trama-python\/"},"modified":"2023-07-28T12:03:55","modified_gmt":"2023-07-28T12:03:55","slug":"qualche-trama-python","status":"publish","type":"post","link":"https:\/\/statorials.org\/it\/qualche-trama-python\/","title":{"rendered":"Come creare un grafico qq in python"},"content":{"rendered":"

<\/p>\n

\n

Un grafico QQ<\/strong> , abbreviazione di “quantile-quantile”, viene spesso utilizzato per valutare se un set di dati proviene potenzialmente o meno da una distribuzione teorica.<\/span><\/p>\n

Nella maggior parte dei casi, questo tipo di grafico viene utilizzato per determinare se un set di dati segue o meno una distribuzione normale<\/a> .<\/span><\/p>\n

Questo tutorial spiega come creare un grafico QQ per un set di dati in Python.<\/span><\/p>\n

Esempio: grafico QQ in Python<\/strong><\/span><\/h3>\n

Supponiamo di avere il seguente set di dati di 100 valori:<\/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
\"Traccia<\/p>\n
 In un grafico QQ, l’asse x mostra i quantili teorici<\/strong> . Ci\u00f2 significa che non mostra i tuoi dati effettivi, ma rappresenta piuttosto dove si troverebbero i tuoi dati se fossero distribuiti normalmente.<\/span><\/p>\n
 L’asse Y mostra i dati attuali<\/strong> . Ci\u00f2 significa che se i valori dei dati seguono una linea approssimativamente retta con un angolo di 45 gradi, i dati vengono distribuiti normalmente.<\/span><\/p>\n
 Consideriamo invece se generassimo un set di dati di 100 valori distribuiti uniformemente e creassimo un grafico QQ per quel set di dati:<\/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
\"Trama<\/p>\n
 I valori dei dati chiaramente non seguono la linea rossa di 45 gradi, indicando che non seguono una distribuzione normale.<\/span><\/p>\n
 Note sui grafici QQ<\/strong><\/span><\/h3>\n
 Tieni presente le seguenti note sui grafici QQ:<\/span><\/p>\n
 Possiamo vedere nel nostro grafico QQ sopra che i valori dei dati tendono a seguire da vicino i 45 gradi, il che significa che i dati sono probabilmente distribuiti normalmente. Ci\u00f2 non dovrebbe sorprendere poich\u00e9 abbiamo generato i 100 valori di dati utilizzando la funzione numpy.random.normal()<\/a> .<\/span><\/p>\n
 Per creare un grafico QQ per questo set di dati, possiamo utilizzare la funzione qqplot()<\/a> dalla libreria statsmodels:<\/span> <\/p>\n