如何使用 scipy.stats.kstest/关于 Kolmogorov–Smirnov 测试的基本问题

Question

帮助链接是http://docs.scipy.org/doc/scipy-0.7.x/reference/generated/scipy.stats.kstest.html 我现在可以计算 ks-test 值，但我不明白。 代码如下。

from scipy import stats
import numpy as np
sample =np.loadtxt('mydata',delimiter=",",usecols=(2,),unpack=True)
print stats.kstest(sample, 'poisson', args=(1,))

第一季度
如果参考分布是恒定的，什么词可以代替上面的“泊松”？
第二季度
args=(1,) 是什么意思？
第三季度
如果有人对 ks-test 感兴趣，这里是 wiki 链接。
http://en.wikipedia.org/wiki/Kolmogorov%E2%80%93Smirnov_test
我们可以自己写python代码来练习吗？我们可以很容易地得到max(D)，但是如何在链接中得到Pr(k呢？ max(D)和Pr(k有什么关系？

Answer 1

Q2：看看这个，我有一个数组叫x1

>>> stats.kstest(x1, 'norm')
(0.50018855199491585, 0.0)
>>> stats.kstest(x1, stats.norm.cdf)
(0.50018855199491585, 0.0)
>>> stats.kstest(x1, stats.norm.cdf, args=(0,))
(0.50018855199491585, 0.0)
>>> stats.kstest(x1, stats.norm.cdf, args=(2,))
(0.84134903906580316, 0.0)
>>> stats.kstest(x1, 'norm', args=(2,))
(0.84134903906580316, 0.0)

如果您传递分发的名称，即'norm'，则实际传递给kstest 的是标准分发cdf。按照标准，这意味着正态分布的均值 == 0 和 sigma = 1。 如果您不想要标准的cdf，可以使用args=() 将附加参数传递给cdf。在这种情况下，我只通过了平均值。也就是说，我们测试了x1 与均值==2 和 sigma=1 的正态分布之间的差异。

Q3：简短的回答是，是的。但是，为什么要重新发明轮子？如果您想知道它是如何实现的，只需查看源代码即可。它位于your_package_folder\scipy\stats\stats.py，第 3292 行。