scipy kstest在不同的范围内不一致

Question

好的，所以我尝试使用scsteys实现kstest作为评估哪种分布最适合数据的方法。我对kstest如何工作的理解是统计量表示零假设的概率（即返回的概率是所讨论的模型对数据是错误的概率）。这与0.0和1.0之间均匀分布的预期相同

  

a = np.random.uniform（size = 4999）

     

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

     

KstestResult（统计= 0.010517039009963702，pvalue = 0.63796173656227928）

然而，当我将均匀分布范围从（0.0,1.0）移到（2.0,3.0）时，K-S统计数据奇怪地高

  

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）

在第二种情况下，测试统计量的值也不应该低，因为传递的参数与之前一样接近分布吗？

Answer 1

numpy（由您使用）和scipy.stats（由ks test使用）uniform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限，在scipy.stats中它是scale参数，即宽度。