KS 测试：R 与 Python

Question

我在 R 和 Python 中得到不同的 KS 测试值。

input_test = [2457.145, 878.081, 855.118, 1157.135, 1099.82, 880.0, 1399.0339999999999]

R 代码：

> parameters
 meanlog    sdlog 
9.621626 2.220691 

H <- 846.6572

truncgof::ks.test(input_test, 'plnorm', parameters, H=H, sim=50)

R 输出：

data:  input_test
KS = 2.3246, p-value < 2.2e-16
alternative hypothesis: two.sided

treshold = 846.6572, simulations: 50

Python 代码：

import scipy.stats as st
p = [ 2.22096211e+00, 1.50686480e+04]
ks = st.kstest(input_test, st.lognorm.cdf, args=([p[0], 0, p[1])]), N=50, alternative='two-sided')

Python 输出：

KstestResult(statistic=0.7929187086107005, pvalue=3.34390068700874e-05)

有人知道如何获得相同（或相似）的结果吗？是否可以在 Python 中设置阈值（R 中的 H）？

Answer 1

试试下面的。 它使用包 truncdist 创建截断的对数正态分布函数，然后使用基 R ks.test 运行 KS 测试。结果与您的 Python 结果相似但不完全相同。

library(truncdist)

ptrunclnorm <- function(x, H, ...){
  truncdist::ptrunc(x, spec = "lnorm", a = H, b = Inf, ...)
}

input_test = c(2457.145, 878.081, 855.118, 1157.135, 1099.82, 880.0, 1399.0339999999999)
H <- 846.6572
meanlog <- 9.621626 
sdlog <- 2.220691

parameters <- c(meanlog, sdlog)

set.seed(2020)
truncgof::ks.test(input_test, 'plnorm', parameters, H=H, sim=50)

ks.test(input_test, "ptrunclnorm", H = H, meanlog = meanlog, sdlog = sdlog)
#
#   One-sample Kolmogorov-Smirnov test
#
#data:  input_test
#D = 0.8786, p-value = 7.771e-07
#alternative hypothesis: two-sided

---

包EnvStats 具有截断对数正态分布的函数，因此不需要定义它。

library(EnvStats)

ks.test(input_test, "plnormTrunc", 
        meanlog = meanlog, sdlog = sdlog, 
        min = H, max = Inf)

输出同上。