4. 误差分布特性：正态性检验、偏度与峰度、自相关与异方差

各位工程师，咱们继续聊误差分析。上一节我们把误差的统计指标讲清楚了，这一节要深入一层——看看误差到底长什么样、有什么脾气。

我个人习惯，拿到一组预测误差数据，第一件事不是算RMSE，而是先画个分布直方图。为什么？因为误差的分布特性直接决定了你能不能套用那些经典的统计方法。你想想看，如果误差不服从正态分布，那你用3σ准则去剔除异常值，可能就闹笑话了。

4.1 误差的正态性检验

先说正态性检验。很多统计方法都假设误差服从正态分布，比如置信区间估计、假设检验。但实际负荷预测的误差，往往不是那么“正”。

我记得有一次做某省级电网的日前负荷预测评估，误差直方图一出来，明显是左偏的。当时团队里有人直接用正态分布去算置信区间，结果偏差很大。后来我让他先做正态性检验，才发现p值小于0.001，根本不服从正态。

常用的正态性检验方法有几种：

• Shapiro-Wilk检验：小样本（n<50）时比较灵敏，我一般用它做初步判断。
• Kolmogorov-Smirnov检验：大样本也可以用，但检验力不如Shapiro-Wilk。
• Jarque-Bera检验：基于偏度和峰度，适合大样本场景。
• Q-Q图：可视化方法，直观但主观。我习惯先看Q-Q图，再用统计检验确认。

下面给一段Python代码，演示如何做正态性检验：

import numpy as np
import scipy.stats as stats
import matplotlib.pyplot as plt

# 假设errors是预测误差数组
errors = np.random.normal(0, 1, 100)  # 示例数据

# Shapiro-Wilk检验
stat, p_value = stats.shapiro(errors)
print(f'Shapiro-Wilk: stat={stat:.4f}, p-value={p_value:.4f}')

# Jarque-Bera检验
stat_jb, p_value_jb = stats.jarque_bera(errors)
print(f'Jarque-Bera: stat={stat_jb:.4f}, p-value={p_value_jb:.4f}')

# Q-Q图
stats.probplot(errors, dist="norm", plot=plt)
plt.title('Q-Q Plot of Prediction Errors')
plt.show()

# 判断：p-value > 0.05 则不能拒绝正态性假设
if p_value > 0.05:
    print('误差服从正态分布（显著性水平0.05）')
else:
    print('误差不服从正态分布')

4.2 偏度与峰度分析

偏度和峰度，说白了就是描述误差分布形状的两个数字。

偏度（Skewness）衡量分布的不对称性：

• 偏度=0：对称分布（正态分布就是对称的）
• 偏度>0：右偏（正偏），尾巴在右边，说明正误差更多或更大
• 偏度<0：左偏（负偏），尾巴在左边，说明负误差更多或更大

峰度（Kurtosis）衡量分布的“尖胖”程度：

• 峰度=3：正态分布的峰度（有些软件会减去3，得到超额峰度）
• 峰度>3：尖峰厚尾，极端值比正态分布多
• 峰度<3：平峰薄尾，极端值比正态分布少

我在项目中遇到过一件事：某风电场的功率预测误差，峰度高达8.5。这意味着什么？意味着极端误差出现的概率远高于正态分布。如果你还用正态分布去算风险，那风险会被严重低估。

计算偏度和峰度的代码很简单：

from scipy.stats import skew, kurtosis

skewness = skew(errors)
kurt = kurtosis(errors, fisher=True)  # Fisher定义，正态分布为0

print(f'偏度: {skewness:.4f}')
print(f'超额峰度: {kurt:.4f}')

if abs(skewness) < 0.5:
    print('偏度较小，分布近似对称')
else:
    print('偏度较大，分布不对称')

if kurt > 1:
    print('尖峰厚尾，注意极端误差')
elif kurt < -1:
    print('平峰薄尾，极端误差较少')
else:
    print('峰度接近正态分布')

4.3 误差的自相关性

自相关性，说白了就是“今天的误差和昨天的误差有没有关系”。

为什么这个重要？因为如果误差存在自相关，说明你的预测模型没有捕捉到某些时间依赖的模式。比如负荷有日周期性，如果你的模型没学好，那误差就会在每天的同一时段出现类似的偏差。

我记得有一次做某地区夏季负荷预测，误差的自相关系数在滞后24小时处高达0.6。一看就知道，模型没学到日周期规律。后来加了24阶的AR项，自相关就降下来了。

检验自相关的方法：

• 自相关函数（ACF）图：直观看各滞后的相关系数
• Durbin-Watson检验：检验一阶自相关，值接近2表示无自相关
• Ljung-Box检验：检验多个滞后阶数是否存在自相关

import statsmodels.api as sm
from statsmodels.stats.diagnostic import acorr_ljungbox

# 计算ACF
sm.graphics.tsa.plot_acf(errors, lags=40)
plt.title('误差自相关函数（ACF）')
plt.show()

# Ljung-Box检验
result = acorr_ljungbox(errors, lags=[10, 20, 30], return_df=True)
print(result)

# Durbin-Watson检验
from statsmodels.stats.stattools import durbin_watson
dw = durbin_watson(errors)
print(f'Durbin-Watson统计量: {dw:.4f}')
if 1.5 < dw < 2.5:
    print('无明显一阶自相关')
else:
    print('存在一阶自相关')

4.4 误差的异方差性

异方差性，这个词听起来高大上，其实意思很简单：误差的方差是不是常数。

你想想看，如果白天负荷高的时候误差波动大，晚上负荷低的时候误差波动小，那就是异方差。这对模型有什么影响？会影响置信区间的可靠性，也会影响参数估计的效率。

我做过一个工业园区的负荷预测，发现白天高峰时段的误差方差是夜间低谷时段的3倍。这就是典型的异方差。后来用了加权最小二乘法，效果好了不少。

检验异方差的方法：

• 残差图：横轴是预测值或时间，纵轴是残差，看是否呈喇叭形
• Breusch-Pagan检验：常用方法，检验残差方差是否与自变量相关
• White检验：更一般化，不假设具体形式
• Goldfeld-Quandt检验：将数据分成两段，比较方差是否相等

import statsmodels.api as sm
from statsmodels.stats.diagnostic import het_breuschpagan, het_white

# 假设X是特征矩阵（含截距项），errors是残差
# 这里用简单示例
X = sm.add_constant(np.random.randn(100, 2))
errors = np.random.randn(100)

# Breusch-Pagan检验
bp_test = het_breuschpagan(errors, X)
print(f'Breusch-Pagan: LM stat={bp_test[0]:.4f}, p-value={bp_test[1]:.4f}')

# White检验
white_test = het_white(errors, X)
print(f'White: LM stat={white_test[0]:.4f}, p-value={white_test[1]:.4f}')

# 残差图
plt.scatter(X[:, 1], errors)
plt.xlabel('预测值')
plt.ylabel('残差')
plt.title('残差图 - 检查异方差')
plt.axhline(y=0, color='r', linestyle='--')
plt.show()

4.5 知识体系总览

说了这么多，咱们用一张图把误差分布特性的知识体系串起来：

这张图把四个维度的关系理清楚了。正态性检验和偏度峰度分析，主要看误差的分布形态；自相关和异方差，主要看误差的时间结构和方差稳定性。四个维度互相补充，缺一不可。

实际项目中，我一般按这个顺序来：先做正态性检验和偏度峰度分析，了解误差的基本形态；然后做自相关检验，看看有没有时间依赖；最后做异方差检验，评估方差的稳定性。这样一套下来，误差的“脾气秉性”基本就摸透了。

好了，误差分布特性就讲到这里。下一节咱们聊聊误差补偿的具体方法，到时候会用到今天讲的这些分析结果。

---