fn_registry/python/functions/datascience/normality_tests.md

id, name, kind, lang, domain, version, purity, signature, description, tags, uses_functions, uses_types, returns, returns_optional, error_type, imports, example, tested, tests, test_file_path, file_path, params, output

id	name	kind	lang	domain	version	purity	signature	description	tags	uses_functions	uses_types	returns	returns_optional	error_type	imports	example	tested	tests	test_file_path	file_path	params	output
normality_tests_py_datascience	normality_tests	function	py	datascience	1.0.0	pure	def normality_tests(values: list, alpha: float = 0.05) -> dict	Tests de normalidad (Jarque-Bera, D'Agostino-Pearson, Shapiro-Wilk) sobre una columna numerica para decidir si sigue una distribucion normal. Descarta None/NaN/no-numericos y reporta consenso de los tests aplicables.	eda models statistics normality hypothesis-test distribution shapiro jarque-bera				false		math scipy	from normality_tests import normality_tests import numpy as np result = normality_tests(np.random.default_rng(0).normal(0, 1, 1000).tolist()) # result["is_normal"] == True	true	test_normal_large_sample_is_normal test_skewed_sample_is_not_normal test_small_sample_returns_note test_drops_none_nan_and_non_numeric test_shapiro_skipped_above_5000 test_normal_below_eight_after_cleaning_is_note	python/functions/datascience/normality_tests_test.py	python/functions/datascience/normality_tests.py	name desc values Lista de valores numericos (una columna). None, NaN, infinitos y no-numericos se descartan antes de testear. Los booleanos se excluyen. name desc alpha Nivel de significancia por test (default 0.05). normal = p > alpha (no se rechaza H0 de normalidad).	dict. Si n < 8 (tras limpiar): {n, note: "muestra insuficiente", is_normal: None}. En otro caso: {n, jarque_bera:{stat,p,normal}, dagostino:{stat,p,normal}, shapiro:{stat,p,normal}|None (solo 3<=n<=5000), is_normal:bool}. En cada test normal = p > alpha. is_normal es el consenso (todos los tests aplicables coinciden en que los datos son normales).

Ejemplo

from normality_tests import normality_tests
import numpy as np

# Muestra normal -> is_normal True
normal = np.random.default_rng(0).normal(loc=10, scale=2, size=1000).tolist()
r = normality_tests(normal)
r["is_normal"]                  # True
r["jarque_bera"]["normal"]      # True
r["shapiro"]["p"] > 0.05        # True

# Muestra exponencial (sesgada) -> is_normal False
expo = np.random.default_rng(7).exponential(scale=1.0, size=1000).tolist()
normality_tests(expo)["is_normal"]   # False

# Muestra insuficiente
normality_tests([1, 2, 3, 4, 5])
# {"n": 5, "note": "muestra insuficiente", "is_normal": None}

Cuando usarla

Antes de aplicar un test parametrico o un estimador que asume normalidad (t-test, ANOVA, regresion OLS con intervalos de confianza, z-score para outliers): comprueba primero si la columna es realmente normal. Tambien en la fase EDA para decidir entre media (datos normales) y mediana/transformacion log (datos sesgados), y como gate barato antes de elegir un modelo que asuma errores gaussianos.

Gotchas

• Funcion pura y determinista para una entrada dada, pero los p-valores dependen del tamano de muestra: con n muy grande casi cualquier desviacion minuscula de la normalidad rechaza H0 (poder estadistico alto). Interpreta is_normal junto al tamano n y al contexto, no como verdad absoluta.
• Shapiro-Wilk solo se ejecuta para 3 <= n <= 5000; fuera de ese rango su clave es None y is_normal se decide solo con Jarque-Bera y D'Agostino.
• Con n < 8 no se ejecuta ningun test: devuelve note e is_normal: None. Cuenta el n tras limpiar (None/NaN/no-numericos descartados), no la longitud bruta de la lista.
• D'Agostino-Pearson (normaltest) requiere internamente n >= 8 para skew y kurtosis; por eso el umbral de muestra insuficiente es 8.