Python 使用scipy.stats.kstest查看随机生成的数字是否遵循指定的分布

我试图从指定参数的选定分布中生成随机数，然后使用Kolmogorov-Smirnov测试查看这些数字是否确实遵循该分布

import matplotlib.pyplot as plt
from scipy.stats import johnsonsu
values = johnsonsu.rvs(0.4, 1.27, loc = 3.50, scale = 5.97, size = 10000)
plt.hist(values, bins = 25)
plt.show()

---

我相信KS检验的无效假设是样本数据遵循指定的分布（本例中为johnson su）。因此，小于0.05的p值拒绝了无效假设，我们得出结论，数据不符合分布？是不是应该相反，还是我遗漏了什么？

如果我将分布参数的完整列表传递给

arg

参数，我会得到您期望的结果，即：

将scipy.stats导入为stats
n=10_000
数值=统计约翰逊苏rvs（0.4,1.27，loc=3.50，标度=5.97，尺寸=n）
打印（stats.kstest（值'johnsonsu'，N=N，args=（0.4,1.27,3.5,5.97）））
KstestResult（统计值=0.007110068990121343，pvalue=0.692842480110613）

明白了。因此，您必须使用

args

提供发行版的完整列表。谢谢，否则将传递默认参数

Dstat, Pvalue = scipy.stats.kstest(values, 'johnsonsu', args = (0.4, 1.27))
print(Dstat)
0.48575579351993264
print(Pvalue)
0.0