python ks检验_python – 使用Scipy的stats.kstest模块进行拟合优度测试

一些例子可能会说明如何使用scipy.stats.kstest.让我们首先设置一些测试数据,例如通常以平均值5和标准差10分布：

>>> data = scipy.stats.norm.rvs(loc=5, scale=10, size=(1000,))

为了对这些数据运行kstest,我们需要一个函数f(x),它取一个分位数组,并返回累积分布函数的相应值.如果我们重用scipy.stats.norm的cdf函数,我们可以这样做：

>>> scipy.stats.kstest(data, lambda x: scipy.stats.norm.cdf(x, loc=5, scale=10))

(0.019340993719575206, 0.84853828416694665)

以上通常会以更方便的形式运行：

>>> scipy.stats.kstest(data, 'norm', args=(5, 10))

(0.019340993719575206, 0.84853828416694665)

如果我们有统一分布的数据,很容易手工构建cdf：

>>> data = np.random.rand(1000)

>>> scipy.stats.kstest(data, lambda x: x)

(0.019145675289412523, 0.85699937276355065)