Python Kolmogorov–Smirnov试验的Scipy输出

我调用了python上的KS测试函数来比较两个特性：大小和持续时间，我在解释输出时有点不知所措。这是我的密码：

from scipy.stats import ks_2samp
import csv

ds1=getColumn("TraceBG.csv",5)
ds2=getColumn("TraceFG.csv",5)
ds11=getColumn("TraceBG.csv",6)
ds12=getColumn("TraceFG.csv",6)

print "size: | ",ks_2samp(ds1,ds2)
print "duration: | ",ks_2samp(ds11,ds12)

我将此作为输出：

尺寸：0.25583336，0.0039023335557401583

持续时间：0.11504409325067666，0.0925969909598982121

---

我从KS测试的scipy网页上知道，第一个是统计值，第二个是p值。但是，如何准确地解释从这些值中哪个特征更好呢？

KS检验与一个无效假设相关联：被比较的组是从同一人群中取样的

如果零假设为真，则p值为观察样本组之间特定偏差的概率

对于尺寸，预计在0.3%的样本运行中观察到偏差水平

对于持续时间，偏差水平在9%的时间内可见

---

什么功能更好？如果任务是试图区分一个群体和另一个群体，那么规模可能会更好

这个问题似乎离题了，因为它是关于统计的。统计问题的主题是。我应该在那里创建一个新帐户吗？如果你单击“登录”，它会提示你创建一个链接到你的SE网络配置文件的新帐户是的，我不想区分一个群体和另一个群体，所以我们只比较p值，第一个不重要，对吗？p值是第一个值的函数。是的，你可以只关注p值。