我正在尝试为我的数据获得最佳分布。配件如下图所示完成,但是我需要测量以选择最佳的型号。我将拟合优度与卡方值进行了比较,并使用Kolmogorov-Smirnov(KS)检验来检验观察分布与拟合分布之间的显着差异。我搜索了一些可能的解决方案1,2,3,但没有得到答案。从下图的结果中:
如果p-value
高于k-statistic
,是否意味着我们可以接受假设或数据与分布很吻合?
或者,可以将level of significance(a=0.005)
与p-value
进行比较并确定接受还是拒绝假设?如果p-value
低于a
,则很可能两个分布是不同的。
对于Kolmogorov-Smirnov test
,对数据(-1,1)进行标准化是否必不可少?
从KS统计量和P值来看,exponnorm
最适合数据。正确吗?
我通过以下方式计算了P值:
for distribution in dist_names:
# Set up distribution and get fitted distribution parameters
dist = getattr(scipy.stats, distribution)
param = dist.fit(y_std)
p = scipy.stats.kstest(y_std, distribution, args=param)[1]
p = np.around(p, 5)
p_values.append(p)
答案 0 :(得分:2)