scipy.stats.anderson测试临界值

Question

我用scipy.stats.anderson（）来 测试正态分布。 我的测试分布不正常分布， 因此，teststatistic＆gt;临界值。 但是，检查所有计算的临界值时 我观察到，对于降低p值，临界值正在增加。 这意味着，测试越关键（p值越小）， 更接近获得测试统计的临界值。 在我看来，这应该是另一种方式。 谁熟悉Anderson Test及其在Scipy中的实现？

Answer 1

上次我做了一些抽查，scipy.stats.anderson工作正常。对于正态分布的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

关键值是针对给定的显着性水平。当我们想要一个较小的显着性水平时，我们必须增加临界值，假设我们在分布的正确的上尾。

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

例如，对于z检验，基于正态分布的单侧上尾临界值是：

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

相反，P值计算给定观测值的尾部概率，观测值越大，p值越小，右上尾的情况也越小。

在您的示例中，如果观察值高于10％水平的临界值，则它仍然可能低于5％水平的临界值。在这种情况下，我们会拒绝零假设，而不是5％，而不是5％。