科尔莫戈罗夫检验（Kolmogorov-Smirnovtest）

科尔莫⼽罗夫检验（Kolmogorov-Smirnovtest）1、⽤于检验X的分布G(x)是否服从给定分布F(x)，仅适⽤于连续分布的检验

PYTHON :

scipy.stats.kstest(rvs, cdf, args=(), N=20, alternative='two_sided', mode='approx', **kwds)

rvs是待检验的⼀组⼀维数据；

日本雅乐cdf是给定的分布，例如'norm'，'expon'，'rayleigh'，'gamma'；

args=()是分布的参数

N ：如果rvs是字符串或调⽤的，N表⽰样本⼤⼩

alternative='two_sided' :H0 : G(x)=F(x) H1 : G(x)≠F(x)

alternative='less' :H0 : G(x)=F(x) H1 : G(x)≤F(x)

alternative='greater' :H0 : G(x)=F(x) H1 : G(x)≥F(x)

mode : 'approx’（默认）或 'asymp'

大豆糖蜜'approx'：使⽤检验统计量的精确分布的近似值

'asymp'：使⽤检验统计量的渐近分布

如果p值⼤于显著性⽔平（⽐如5％），接受原假设H0，可以认为样本数据来⾃给定分布F(x)

##⽣成随机数影驰gts250上将版

import numpy as np

np.random.seed(0)

testData = al(0,1,100)

##利⽤Kolmogorov-Smirnov test检验testData是否服从正态分布

import scipy.stats as stats

stats.kstest(testData,'norm')

##输出（统计量D的值,P值）=(0.058248638723832402, 0.88658843653019392)

金东进

##统计量D的值越接近0就越表明数据和标准正态分布拟合得越好，P值>指定⽔平，不拒绝原假设，可以认为样本数据服从正态分布。战前战后

2、检验指定的两个数列是否服从相同分布

##⽣成服从卡⽅分布的随机数

import numpy as np

chi2=np.random.chisquare(98,size=100)

##检验norm和chi2是否服从同⼀分布

import scipy.stats as stats

stats.ks_2samp(norm,chi2)

##输出Ks_2sampResult(statistic=1.0, pvalue=1.5505547466854487e-45)

泰乐菌素##P值⼩于指定⽔平，拒绝原假设，认为两组数据来⾃不同的分布

本文发布于:2024-09-22 07:35:35，感谢您对本站的认可！

标签：分布数据服从是否给定认为正态分布

留言与评论（共有 0 条评论）