我现在正在使用该extremes包来拟合广义极值 (GEV) 分布，并且我想使用 Kolmogorov-Smirnov 检验来估计拟合优度，但出现以下错误：

所以，我的问题是，如何对 GEV 进行 Kolmogorov-Smirnov 检验以符合关系？或者，是否有任何其他拟合优度测试可用于拟合 R 中可用的分布？非常感谢。

我为奇怪的语法道歉，我刚刚学习编程。我有 100 列和 5304 行的 df。我需要使用第 5 个数字列或参考列对最后 94 个数字列 (6:ncol(df)) 执行单独的两侧 ks.tests：

我还想将 pvalues 存储在矩阵中。据我了解，我可以使用“for loop”或“apply”函数。我有一个简单的代码，它只输出一个统计摘要（看起来它正在覆盖结果）：

我已经尝试了许多变体以及错误地使用 lapply 。关于为什么“K”不应该返回多个值或将输出分配给矩阵的任何见解？谢谢你。

编辑：样本数据集

在（Y1，Y2）的两个样本 Kolmogorov-Smirnov 检验中，我想知道 Y 的临界值，它使 KS 值（有时称为 D）最大化。

但是，ks_2samp仅返回D和p-value.See scipy.stats.ks_2samp¶ 。

是否有任何软件包可以进行两个样本 Kolmogorov–Smirnov 测试并为我返回 Y 的临界值？

我的简单问题是：如何ks.test在两个数据框之间逐列执行？

例如。我们有两个数据框：

注意：这只是一个示例 - 实际情况将包括更多列，并且它们包含特定位置中某种元素的浓度。

现在我想在两个数据帧之间运行 ks.test ：

等不做奴隶制工作怎么办？

当我对一个数据框进行 shapiro.test 时，我只需使用：

我读过一些关于循环、聚合、映射的东西 - 尝试了不同的东西，比如：

但后来我得到了很多 p 值 = 0 .. 当我手动执行此操作时，情况并非如此。

编辑：09.10.2017 我将数据作为两个数据框导入，然后我将一些数据提取到“较小”的数据框进行分析 - 例如在这种情况下查看有毒元素并排除其他元素。

样本数据：dput(head(D1))和dput(head(D2))。

我发布这个，因为我仍然得到一个错误：

（回溯按钮显示）：

我有一个具有频率的独特系列，想知道它们是否来自正态分布，所以我使用 scipy.stats.kstest 进行了 Kolmogorov-Smirnov 测试。因为据我所知，该函数只需要一个列表，因此我将频率转换为一个列表，然后再将其放入函数中。但是，结果很奇怪，因为 pvalue=0.0

原始数据的直方图和我的代码如下： 我的数据集的直方图

首先感谢大家。

我发现解释随机样本形状的方式对 kstest 有很大影响。我尝试以下代码：

它给出了结果：

其中 X、Xarray、XarrayT 具有相同的数据，只是它们的形状不同。pvalues完全不同。是由于错误还是我错过了正确使用 kstest 的某些要点？

谢谢！

我有一个给定的函数（我们称之为 f(x)），我使用 Monte Carlo 方法对其进行规范化。我计算了概率密度函数，并通过积分得到了累积分布函数。

现在我的下一个任务是使用逆变换法/逆累积分布法生成样本并使用Kolmogorov-Smirnov Test进行测试，但是我不知道在R中应该怎么做。

你能给我一些帮助吗？

我想使用 Kolmogorov Smirnov 测试在 R 中执行以下测试：

1) pi 小数点后 4000 位各种整数的出现次数如下：

检验各种整数的出现遵循均匀分布的原假设，就好像 pi 是一个随机数一样。

试图：

我得到了累积概率密度函数并将其设置为x。

这输出：

但是，手动操作会给出 D=.008。我做错了什么？

手算：

假设均匀性，我们将有以下 cdf：

然后我找到了这些值与我上面定义的 x 之间差异的绝对值，以获得 0.008 的最大差异。

代码

如果你在 r 中运行它，你将得到一个包含 9 个零的矩阵，并且只有最后一项是实际数值。有人可以解释为什么会发生这种情况以及如何获得其他指数的数值。

我正在尝试使用分布 [6,6] 在 SCALA 中计算 de kolmogorov Smirnov 检验，假设在原始的所有值中相同的 P(6) = 1。这就是我尝试的方式：

这是我得到的错误：

有谁知道为什么它不起作用？另外，您知道是否可以在 PySpark 中做到这一点？或者我必须从 PySpark 执行 SCALA 代码？谢谢！