标签: statistical-sampling

我想比较 Kolmogorov-Smirnov (KS) 和 Anderson-Darling (AD) 测试的样本对。我分别用scipy.stats.ks_2samp和实现了这个scipy.stats.anderson_ksamp。我希望类似样本的统计数据较低（相同样本为 0），而更多不同样本的统计数据较高。

在相同样本和非常不同的样本（没有重叠）的情况下，ks_2samp提供预期的结果，同时anderson_ksamp为相同的样本提供负值，更重要的是，对于非常不同的样本抛出错误（可能是由于样本大小：200在下面的例子中）。

以下是说明这些发现的代码：

import scipy.stats as stats
import numpy as np
normal1 = np.random.normal(loc=0.0, scale=1.0, size=200)
normal2 = np.random.normal(loc=100, scale=1.0, size=200)

在相同样本上使用 KS 和 AD：

sstats.ks_2samp(normal1, normal1)
sstats.anderson_ksamp([normal1, normal1])

分别返回：

# Expected
Ks_2sampResult(statistic=0.0, pvalue=1.0) 
# Not expected
Anderson_ksampResult(statistic=-1.3196852620954158, critical_values=array([ 0.325,  1.226,  1.961,  2.718,  3.752]), significance_level=1.4357209285296726)

在不同的样本上：

sstats.ks_2samp(normal1, normal2)
sstats.anderson_ksamp([normal1, normal2])

分别返回：

# Expected
Ks_2sampResult(statistic=1.0, pvalue=1.4175052453413253e-89)
# Not expected
---------------------------------------------------------------------------
OverflowError                             Traceback (most recent call last) …

我从此链接下载了C# 中Ising 模型的简单实现。

    private static void transient_results(double T)
    {
        for (int a = 1; a <= transient; a++)
        {
            array_to_list();
            for (int b = 1; b <= L * L; b++)
            {
                choose = choose_random_site("i", 0);
                posx = choose_random_site("x", choose);
                posy = choose_random_site("y", choose);

                if (test_flip(posx,posy,T))
                {
                    flip(posx,posy);
                }

                list.RemoveAt(choose);
            }
        }
    }

choose = choose_random_site("i", 0);
posx = choose_random_site("x", …