python ks检验_在python scipy中实现Kolmogorov Smirnov检验

您的数据是以mu = 0.07和sigma = 0.89生成的。

您正在使用平均值0和标准偏差1的正态分布来测试此数据。

零假设(H0)是您的数据是样本的分布等于标准正态分布，平均值为0，标准偏差为1。

小的p值表示将具有与D一样大的测试统计量，其概率为p值。

换句话说，(p值〜8.9e-22)，H0是非常不可能的。

这是合理的，因为手段和标准偏差不匹配。

比较你的结果：

In [23]: import scipy.stats as stats

In [24]: stats.kstest(np.random.normal(0,1,10000),'norm')

Out[24]: (0.007038739782416259, 0.70477679457831155)

为了测试你的数据是高斯，你可以移动和重新调整它，所以它是正常的平均值0和标准偏差1：

data=np.random.normal(mu,sigma,10000)

normed_data=(data-mu)/sigma

print(stats.kstest(normed_data,'norm'))

# (0.0085805670733036798, 0.45316245879609179)

警告：(非常感谢user333700 !!)如果不了解mu和sigma，估计参数会使p值无效：

import numpy as np

import scipy.stats as stats

mu = 0.3

sigma = 5

num_test