Revisar si una serie tiene una distribución normal

normal_check.py

# -*- coding: utf-8 -*-
"""
Retornos y Distribución Normal
Autor: Guillermo Izquierdo
Este código es para fines educativos exclusivamente

"""


import numpy as np
import matplotlib
import matplotlib.pyplot as plt
from pandas_datareader import data as pdr
from datetime import date, timedelta
import matplotlib.mlab as mlab
matplotlib.style.use('ggplot')


def get_index(index):
    # Definimos las fechas de nuestro indice
    today = date.today()
    day = timedelta(days=1)
    today2 = today - day
    enddate = today2.isoformat()
    years = timedelta(weeks=52)
    period = today - years
    startdate = period.isoformat()
    # Definimos el indice que queremos descargar
    index = index
    # Obtenemos los datos usando pandas_datareader
    #Dividimos los datos en dos, precios y retornos
    data = pdr.get_data_yahoo(index, start=startdate, end=enddate)
    data['returns'] = data['Close'].pct_change()
    data = data.dropna()
    prices = data['Close']
    returns = data['returns']
    return [prices, returns]


def normal_check(dataframe):
    count, bins, ignored = plt.hist(
        dataframe, 100, normed=True, align='mid', color='blue', label='Histograma')
    # Calculamos las medidas de tendencia central
    mu = np.mean(dataframe)
    sigma = np.std(dataframe)
    # Generamos la linea de distribución normal
    x = mlab.normpdf(bins, mu, sigma)
    plt.plot(bins, x, color='r', lw=4)
    plt.title("Distribución Normal de los Retornos")
    plt.xlabel("Retornos")
    plt.ylabel("Frecuencia")
    plt.legend()
    plt.show()
    
index = '^MXX'
indice = get_index(index)
normal_check(indice[1])