Python 是否对泊松分布进行scipy.KST测试/使用（x2）边但不使用（x1）边？

非常简单的测试：

使用泊松分布生成数字的随机分布。使用KS测试确定其是否符合泊松分布

使用泊松分布生成（x2）随机数分布。使用（x2）侧KS测试确定它们是否相同

从上面看，（1）给出了较低的p值，而（2）给出了较高的p值。为什么?

1的代码

from scipy.stats import kstest, poisson

noPts = 1000
lambdaPoisson = 10

my_data = poisson.rvs(size = noPts, mu = lambdaPoisson)

ks_statistic, p_value = kstest(my_data, 'poisson', args=(lambdaPoisson,0))
print(ks_statistic, p_value)

结果：

0.1239297144718523 7.616809855798287e-14

2的代码

from scipy.stats import ks_2samp, poisson

noPts = 1000
lambdaPoisson = 10

my_data1 = poisson.rvs(size = noPts, mu = lambdaPoisson)
my_data2 = poisson.rvs(size = noPts*1000, mu = lambdaPoisson)

ks_statistic, p_value = ks_2samp(my_data1, my_data2)
print(ks_statistic, p_value)

---

结果：

0.023672000000000026 0.63019736211604

答案应该是“因为泊松分布不是连续的……使用卡方检验”。然而，使用卡方检验给出了相同的结果。与理想的泊松分布相比，随机选择的泊松分布数字的p值并不高。