如何解决我可以相信 Python 中 Kolmogorov-Smirnov 检验的结果吗?
我数据太少,用ks-test,得到p-value = 0.96。 p值>0.05,结果显着,p值大于0.05,数据呈正态分布。 从图表中绘制结果如下。
但根据图表,直觉上来说,我不认为这个结果看起来像正态分布。
我可以相信 ks-test 的结果吗?
In [1]:everystep_mse[:-1]
Out[1]:[6.813272177131644,6.27294325622763,5.950493005641883,5.51228036539783,5.320906696737751,4.603816141913221,4.608844365904758,3.921157423558209,3.525868929566099,3.850245340258806]
In [2]:std = np.array(everystep_mse[:-1]).std()
mean = np.array(everystep_mse[:-1]).mean()
print(std,mean)
Out[2]:1.0550652455084446 5.037982770233784
In [3]:from scipy import stats
everystep_mse_array = np.array(everystep_mse[:-1])
mean = everystep_mse_array.mean()
std = everystep_mse_array.std()
stats.kstest(everystep_mse_array,'norm',(mean,std))
out[3]:KstestResult(statistic=0.15790092669613776,pvalue=0.9643743197080046)
In [4]:domain = np.linspace(np.min(everystep_mse[:-1]),np.max(everystep_mse[:-1]))
pyplot.plot(domain,norm.pdf(domain,mean,std),label='$\mathcal{N}$'+f'$(\mu\\approx {round(mean)},\sigma \\approx
{round(std) })$')
plt.hist(everystep_mse[:-1],edgecolor='black',alpha=.5,density=True)
plt.title("Normal Fit")
plt.xlabel("Value")
plt.ylabel("Density")
plt.legend()
plt.show()
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。