Python Scipy中的双样本Kolmogorov-Smirnov检验

Question

我无法弄清楚如何在Scipy中进行双样本KS测试.

阅读文档scipy kstest后

我可以看到如何测试分布与标准正态分布相同的位置

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p值为0.76时,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,看看我是否可以拒绝零假设它们是相同的,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中进行双样本KS测试？如果是这样,我该怎么做？

先感谢您

Answer 1

您正在使用单样本KS测试.你可能想要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)

Answer 2

这就是 scipy 文档所说的：

如果 KS 统计量很小或 p 值很高，那么我们不能拒绝两个样本的分布相同的假设。

不能拒绝不代表我们确认。