scipy kstest在不同范围内不一致

Question

好的，所以我试图使用kstest的scipys实现来评估哪种分布最适合数据。我对kstest工作原理的理解是，统计数据表示零假设的概率(即返回的概率是所讨论的模型对数据错误的概率)。对于0.0和1.0 之间的均匀分布，这与预期的一样有效

a=np.随机.均匀(大小=499)

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

KstestResult(统计=0.010517039009963702，p值=0.63796173656227928)

然而，当我将均匀分布边界从(0.0，1.0)转移到(2.0，3.0)时，K-S统计量的异常高

a=np.随机.均匀(2.0，3.0，大小=499)

print(scipy.stats.kstest(a，'uniform'，args=(2.0,3.0))

KstestResult(统计=0.6667170083278283，p值=0.0)

第二种情况下的测试统计值是否也应该较低，因为通过的参数与以前一样接近分布？

Answer 1

uniform的numpy(您使用)和scipy.stats(ks测试使用)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界，在scipy.stats中，它是scale参数，即宽度。