一些例子可能會說明如何使用scipy.stats.kstest.讓我們首先設置一些測試數據,例如通常以平均值5和標準差10分布：

>>> data = scipy.stats.norm.rvs(loc=5, scale=10, size=(1000,))

為了對這些數據運行kstest,我們需要一個函數f(x),它取一個分位數組,并返回累積分布函數的相應值.如果我們重用scipy.stats.norm的cdf函數,我們可以這樣做：

>>> scipy.stats.kstest(data, lambda x: scipy.stats.norm.cdf(x, loc=5, scale=10))

(0.019340993719575206, 0.84853828416694665)

以上通常會以更方便的形式運行：

>>> scipy.stats.kstest(data, 'norm', args=(5, 10))

(0.019340993719575206, 0.84853828416694665)

如果我們有統一分布的數據,很容易手工構建cdf：

>>> data = np.random.rand(1000)

>>> scipy.stats.kstest(data, lambda x: x)

(0.019145675289412523, 0.85699937276355065)

總結

以上是生活随笔為你收集整理的python ks检验_python – 使用Scipy的stats.kstest模块进行拟合优度测试的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。