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:Python 是否对泊松分布进行scipy.KST测试/使用(x2)边但不使用(x1)边?,python,scipy,poisson,kolmogorov-smirnov,Python,Scipy,Poisson,Kolmogorov Smirnov,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)
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。