Kolmogorov Smirnov 检验

皮皮君

已于 2024-02-06 16:27:29 修改

阅读量1.2w

点赞数 5

分类专栏：概率论文章标签： Kolmogorov-Smirnov text 检验分布概率

于 2019-11-01 08:48:36 首次发布

本文链接：https://blog.csdn.net/qq_16587307/article/details/102850741

版权

概率论专栏收录该内容

15 篇文章 11 订阅

订阅专栏

Kolmogorov-Smirnov检验

一个例子

假设你拿到下面的这100个观察值：

-0.16	-0.68	-0.32	-0.85	0.89	-2.28	0.63	0.41	0.15	0.74
1.30	-0.13	0.80	-0.75	0.28	-1.00	0.14	-1.38	-0.04	-0.25
-0.17	1.29	0.47	-1.23	0.21	-0.04	0.07	-0.08	0.32	-0.17
0.13	-1.94	0.78	0.19	-0.12	-0.19	0.76	-1.48	-0.01	0.20
-1.97	-0.37	3.08	-0.40	0.80	0.01	1.32	-0.47	2.29	-0.26
-1.52	-0.06	-1.02	1.06	0.60	1.15	1.92	-0.06	-0.19	0.67
0.29	0.58	0.02	2.18	-0.04	-0.13	-0.79	-1.28	-1.41	-0.23
0.65	-0.26	-0.17	-1.53	-1.69	-1.60	0.09	-1.11	0.30	0.71
-0.88	-0.03	0.56	-3.68	2.40	0.62	0.52	-1.25	0.85	-0.09
-0.23	-1.16	0.22	-1.68	0.50	-0.35	-0.35	-0.33	-0.24	0.25

想知道这些数据是否符合N(01)分布？

Kolmogorov-Smirnov

假设我们观察到数据 $X_{1}$ , $X_{2}$ ,..., $X_{n}$ ,我们认为这些数据来自分布为p的数据集。

Kolmogorov-Smirnov检验的方法如下：

$H_{0}$ : 数据来自分布为p的数据集

否则：

$H_{1}$ : 数据并非来自分布为p的数据集

累积分布函数与经验分布函数 $y_{1}$

随机变量的累计分布函数(CDF) F(x) 的定义大家都知道：

$F(x)=P(X\leqslant x)$

累积分布函数唯一地刻画了概率分布。

给定一个观察数列 $x_{1}$ ,..., $x_{n}$ ，经验分布函数 $F_{obs}(x)$ 就是那些值不大于的概率：

$F_{obs}(x)=\frac{observations \quad below \quad x}{observations}$

如果将观察值排序 $y_{1}\leqslant y_{2}\leqslant ...\leqslant y_{n}$ ，那么:

$F_{obs}(y_{i})=\frac{i}{n}$

我们要比较数据的经验分布函数 $F_{obs}(y_{i})$ 与零假设(什么是零假设，参考零假设 )相关的累积分布函数 $F_{exp}$ (所希望的CDF)。

Kolmogorov-Smirnov统计是：

$D_{n} = \mathop {\max }\limits_x |F_{exp}(x) - F_{obs}(x)|$

实用方法

上面例子中的数据排序后，如下表所示：

然后计算经验分布函数：

$F_{obs}(-3.68)=\frac{1}{100}$ ， $F_{obs}(-2.28)=\frac{2}{100}$ ，....， $F_{obs}(3.08)=1$

如果数据已排序， $x_{1}$ 是最小值， $x_{n}$ 是最大值，那么在这个例子里就有：

$F_{obs}(x_{i})=\frac{i}{100}$

在这里，我们假设期望的分布函数是标准正态的，所以使用正态表。下表就是标准分布的已排序的数据表：

对于每一个观察值 $x_{i}$ 计算 $F_{exp}(x_{i})=P(Z\leqslant x_{i})$ 。

计算两个表中各项之间的绝对差值。

Kolmogorov Smirnov统计 $D_{n}$ ＝0.092是(蓝色显示)最大值。

Kolmogorov Smirnov统计

我们计算了预期和观测分布函数之间的最大绝对距离，下图用绿色线条表示。

临界值

在95%级别下，临界值近似：

$D_{crit,0.05} = \frac{1.36}{\sqrt{n}}$

在这个例子中，由于n=100，因此 $D_{crit,0.05} =0.136$ 。

由于0.092<0.136，因此我们接受零假设。

临界值可以按照下表查询(表内第一行0.20,0.15,0.10,0.05,0.01即表示80%,85%,90%,95%,99%的显著性级别）：

两个样本的Kolmogorow-Smirnov

给定两个样本，测试它们的分布是否相同。计算观测到的两个样本的累积分布函数，并计算它们的最大差值。

X : 1:2; 1:4; 1:9; 3:7; 4:4; 4:8; 9:7; 17:3; 21:1; 28:4
Y : 5:6; 6:5; 6:6; 6:9; 9:2; 10:4; 10:6; 19:3

我们对组合样本进行排序，以计算经验CDF：

Kolmogorov Smirnov统计又是两个观测分布函数的最大绝对差。在这里:

D{n} = 0.6

对于两个样本，95%临界值可以用公式来近似：

$D_{crit,0.05} = 1.36 \sqrt{\frac{1}{n_{x}}+\frac{1}{n_{y}}}$

在我们的例子里， $n_{x}=10$ ， $n_{y}=8$ ，因此 $D_{crit,0.05} = 0.645$ 。

因此我们接受零假设。

皮皮君

关注

5
点赞
踩
42

收藏

觉得还不错? 一键收藏
4
评论
Kolmogorov Smirnov 检验

Kolmogorov-Smirnov检验一个例子假设你拿到下面的这100个观察值：-0.16 -0.68 -0.32 -0.85 0.89 -2.28 0.63 0.41 0.15 0.74 1.30 -0.13 0.80 -0.75 0.28 -1.00 0....
复制链接

扫一扫

专栏目录