我有一个关于N个数字的数据集，我想测试它的正态性。我知道scipy.stats有一个kstestfunction但是没有关于如何使用它以及如何解释结果的示例。有哪位熟悉的可以给我一些建议吗？根据文档，使用kstest返回两个数字，KS检验统计量D和p值。如果p值大于显着性水平(例如5%)，那么我们不能拒绝数据来自给定分布的假设。当我通过从正态分布中抽取10000个样本并测试高斯性进行测试时:importnumpyasnpfromscipy.statsimportkstestmu,sigma=0.07,0.89kstest(np.random.normal(mu,sigma,10000)

我有一个关于N个数字的数据集，我想测试它的正态性。我知道scipy.stats有一个kstestfunction但是没有关于如何使用它以及如何解释结果的示例。有哪位熟悉的可以给我一些建议吗？根据文档，使用kstest返回两个数字，KS检验统计量D和p值。如果p值大于显着性水平(例如5%)，那么我们不能拒绝数据来自给定分布的假设。当我通过从正态分布中抽取10000个样本并测试高斯性进行测试时:importnumpyasnpfromscipy.statsimportkstestmu,sigma=0.07,0.89kstest(np.random.normal(mu,sigma,10000)

我不知道如何在Scipy中进行双样本KS测试。阅读文档后scipykstest我可以看到如何测试分布与标准正态分布相同的位置fromscipy.statsimportkstestimportnumpyasnpx=np.random.normal(0,1,1000)test_stat=kstest(x,'norm')#>>>test_stat#(0.021080234718821145,0.76584491300591395)这意味着在p值为0.76时，我们不能拒绝两个分布相同的原假设。但是，我想比较两个分布，看看是否可以拒绝它们相同的原假设，例如:fromscipy.statsimpo