在不同的范围内最不一致
在不同的范围内最不一致
提问于 2017-02-12 02:51:33
好的，所以我试着用the的实现kstest作为评估哪个分布最适合数据的一种方法。我对kstest如何工作的理解是，统计表示零假设的概率(即返回的概率是所讨论的模型对数据错误的概率)。这在0.0和1.0之前的均匀分布中的工作原理与预期一样。
A= np.random.uniform(size=4999) 打印(scipy.stats.kstest(a，“制服”，args=(0.01.0) KstestResult(statistic=0.010517039009963702，pvalue=0.63796173656227928)
然而，当我将均匀分布的界限从(0.0，1.0)移到(2.0,3.0)时，K统计量异常高。
A= np.random.uniform(2.0，3.0，size=4999) 打印(scipy.stats.kstest(a，“制服”，args=(2.0，3.0) KstestResult(statistic=0.66671700832788283，pvalue=0.0)
在第二种情况下，测试统计量的值不应该也很低，因为通过的参数与以前的分布相近吗？
回答 1
Stack Overflow用户
回答已采纳
发布于 2017-02-12 05:33:44
numpy (由您使用)和scipy.stats (用于ks测试)版本的工作方式不同：
>>> np.random.uniform(2,3,5000).max()
2.9999333044165271
>>> stats.uniform(2,3).rvs(5000).max()
4.9995316751114043在numpy中，第二个参数被解释为上界，在scipy.stats中，它是scale参数，即宽度。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/42183717
复制相关文章
相似问题
腾讯云开发者
