Проверка на нормальное распределение

def gaussian_check(Y1,Y2):
    errors = Y1 - Y2
    n = len(errors)
 
    c = Counter(errors) # количество каждого эл-та в Х
    key=list(c.keys()) 
    value=list(c.values())
 
    obs_mean = 0 # Выборочное среднее
    obs_meansq = 0 # Выборочное среднее квадрата 
    i = 0
    while i<len(key):
        obs_mean += key[i]*value[i]
        obs_meansq = key[i]*value[i]*value[i]
        i+=1     
    obs_mean = obs_mean/n
    obs_meansq = obs_meansq/n
 
    obs_stdev = m.sqrt(obs_meansq - obs_mean*obs_mean) # Выборочное ск отклон
 
 
    # подсчет теоретических отклонений
    r = 1 + 3.3*m.log(n)
    h = (max(errors) - min(errors))/r
 
    th_mean = []
    k = 0
    while k < len(key):
        x = (key[k] - obs_mean)/(obs_stdev)   
        th_mean.append(n*h/obs_meansq * laplass(obs_stdev,x,obs_mean))
        k+=1
 
    # хи - квадрат пирсона
    chi_sq = sum(chisqare(key,th_mean))
 
 
 
def laplass(y,x,xs):
    left_part = 1/(y*m.sqrt(2*m.pi))
    right_part = m.exp(-m.pow((x-xs),2)/(2*pow(y,2)))
 
    return(left_part*right_part)
 
 
def chisqare(n1,n2):
    chi_list = [] 
    i = 0
    while i<len(n1):
        chi_list.append(pow(n1[i]-n2[i],2)/n2[i])
        i+=1
    return chi_list