python-2.7 - scipy.stats.anderson 测试临界值

Question

我曾经scipy.stats.anderson()测试过正态分布。我的测试分布不是正态分布，因此 teststatistic > 临界值。但是，当检查我观察到的所有计算的临界值时，对于降低 p 值的临界值正在增加。这意味着，检验越关键（p 值越小），临界值越接近检验统计量。在我看来，这应该是另一种方式。任何熟悉安德森测试及其在 Scipy 中的实现的人？

Answer 1

上次我进行抽查时，scipy.stats.anderson 工作正常。对于针对正态分布的 Anderson-Darling 检验，statsmodels 具有返回 p 值的函数http://statsmodels.sourceforge.net/devel/generated/statsmodels.stats.diagnostic.normal_ad.html

临界值适用于给定的显着性水平。当我们想要更小的显着性水平时，我们必须增加临界值，假设我们处于分布的右上尾。

http://en.wikipedia.org/wiki/Statistical_significance

例如，对于 z 检验，基于正态分布的一侧上尾临界值为：

>>> from scipy import stats
>>> stats.norm.ppf([0.9, 0.95, 0.975])
array([ 1.28155157,  1.64485363,  1.95996398])

相反，P 值计算给定观察值处的尾部概率，观察值越大，p 值越小，同样在右上尾的情况下。

在您的示例中，如果观察值高于 10% 水平的临界值，那么它仍可能低于 5% 水平的临界值。在这种情况下，我们将拒绝 10% 的原假设，但不会拒绝 5% 的水平。