python - scipy kstest 在不同范围内不一致

Question

好的，所以我尝试使用 kstest 的 scipys 实现来评估哪种分布最适合数据。我对 kstest 工作原理的理解是，该统计量表示零假设的概率（即返回的概率是相关模型对数据错误的概率）。对于 0.0 和 1.0 之间的均匀分布，这与预期的一样

a = np.random.uniform(大小=4999)

print(scipy.stats.kstest(a, 'uniform', args=(0.0,1.0)))

KstestResult(统计=0.010517039009963702, pvalue=0.63796173656227928)

但是，当我将均匀分布范围从 (0.0, 1.0) 转移到 (2.0,3.0) 时，KS 统计量异常高

a = np.random.uniform(2.0, 3.0,size=4999)

print(scipy.stats.kstest(a, 'uniform', args=(2.0,3.0)))

KstestResult(统计=0.66671700832788283, pvalue=0.0)

第二种情况下的检验统计量的值是否也应该很低，因为通过的参数与以前一样接近分布？

Answer 1

（numpy由您使用）和 scipy.stats（由 ks 测试使用）版本的uniform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第二个参数中被解释为上界，在scipy.stats它里面是scale参数，即宽度。