檢驗同一個熱點，同一個采樣點，同一個channel的csi值(500個)是否符合正太分布，或者符合其他什麽分布？

采用Q-Q圖。

參考資料：https://wenku.baidu.com/view/c661ebb365ce050876321319.html

用QQ圖檢驗一序列是否服從正太分布，序列為X=(x1,x2,…,xi,…xN),(N>0)

1. 將原序列按從小到大的順序排列： x1 <= x2 <= … <= xi <= … <= xN
2. 計算QQ序列：

樣本均值和標準差分別為avg = 1/n * sum(xi), std = np.sqrt(1/(N-1) * sum (np.square(xi-avg)))

分位數Qi = (xi – avg) / std, ti = (i-0.5)/N

　　3. 畫出Q-Q’圖，與y=kx+b比較，若基本與之吻合則原序列服從N(b,k)的正態分布，若不為直線，則不服從正態分布。

import tensorflow as tf
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import pylab 
import scipy.stats as stats
import statsmodels.api as sm

#讀取數據
num_sample = 500;
with open("data/clean_data/training_csi.csv", "rb") as fi:
    with open("data/clean_data/for_qq_plot.csv",‘wb‘) as fo:
        fo.write(fi.readline())
        
 
for i in range(num_sample):
            fo.write(fi.readline());

samples = pd.read_csv(‘data/clean_data/for_qq_plot.csv‘)
csi540 = np.array(samples[‘csi540‘])

sm.qqplot(csi540, line=‘45‘)
pylab.show()

由圖可以看出，散點近似和直線y=x+3重合，所以該變量近似服從正太分布，均值約為3，方差約為1

檢驗某個變量是否服從正太分布