Python Scipy中的两样本Kolmogorov-Smirnov测试

我不知道如何在Scipy中进行两样本KS测试。

阅读文档scipy kstest之后

我可以看到如何测试分布与标准正态分布相同的地方

from scipy.stats import kstest
import numpy as np

x = np.random.normal(0,1,1000)
test_stat = kstest(x, 'norm')
#>>> test_stat
#(0.021080234718821145, 0.76584491300591395)

这意味着在0.76的p值下，我们不能拒绝两个分布相同的零假设。

但是，我想比较两个分布，看看是否可以拒绝它们相同的零假设，例如：

from scipy.stats import kstest
import numpy as np

x = np.random.normal(0,1,1000)
z = np.random.normal(1.1,0.9, 1000)

并测试x和z是否相同

我尝试过天真：

test_stat = kstest(x, z)

并得到以下错误：

TypeError: 'numpy.ndarray' object is not callable

有没有办法在Python中进行两样本KS测试？如果是这样，我该怎么办？

先感谢您

您正在使用一样本KS测试。您可能需要两个样本的测试 ks_2samp：

>>> from scipy.stats import ks_2samp
>>> import numpy as np
>>> 
>>> np.random.seed(12345678)
>>> x = np.random.normal(0, 1, 1000)
>>> y = np.random.normal(0, 1, 1000)
>>> z = np.random.normal(1.1, 0.9, 1000)
>>> 
>>> ks_2samp(x, y)
Ks_2sampResult(statistic=0.022999999999999909, pvalue=0.95189016804849647)
>>> ks_2samp(x, z)
Ks_2sampResult(statistic=0.41800000000000004, pvalue=3.7081494119242173e-77)

结果可以解释为：

1. 您可以根据样本量将statisticpython给定的值与KS测试关键值表进行比较。当statistic值高于临界值时，两个分布是不同的。

2. 或者，您可以将p-valuea与显着性水平a进行比较，通常为a = 0.05或0.01（您决定，a越低，显着性越高）。如果p值小于a，则很可能两个分布是不同的。

这是scipy文档所说的：

如果KS统计量较小或p值较高，则我们不能拒绝两个样本分布相同的假设。

无法拒绝并不意味着我们确认。