![](/img/trans.png)
[英]Does the LCG fail the Kolmogorov-Smirnov test as badly as my code suggests?
[英]Why does the Kolmogorov-Smirnov test fail in this case?
我有這兩個時間序列,我想測試它們是否來自同一個分布。 所以我應用了scipy.stats.ks_2samp()
測試。 但是測試返回的 p 值為0.0028
,而describe()
給出了這些統計數據:
count 120.000000 120.000000
mean 0.785867 0.774267
std 0.323941 0.304894
min 0.610000 0.610000
25% 0.619000 0.610000
50% 0.619000 0.619000
75% 0.749000 0.769500
max 1.812000 1.742000
所以我不明白為什么當均值和標准差非常相似時測試會拒絕 null 假設。 此外,(累積)分布圖看起來非常相似。
有誰能夠幫助我?
這是我的數據和測試電話:
from scipy import stats
df = pd.DataFrame(data=[[
0.62, 0.61, 0.61, 0.619, 0.619, 0.619, 0.62, 0.619, 0.61,
0.619, 0.62, 0.619, 0.619, 0.62, 0.611, 0.62, 0.62, 0.61,
0.619, 0.61, 0.619, 0.62, 0.642, 0.67, 0.749, 0.838, 0.862,
0.804, 0.89, 0.942, 1.012, 1.13, 1.14, 1.191, 1.201, 1.123,
1.299, 1.359, 1.411, 1.362, 1.352, 1.44,1.451, 1.46, 1.557,
1.491, 1.622, 1.639, 1.787, 1.812, 1.665, 1.612, 1.253, 0.936,
0.704, 0.643, 0.62, 0.619, 0.62, 0.61, 0.619, 0.62, 0.619,
0.62, 0.61, 0.619, 0.61, 0.619, 0.62, 0.619, 0.62, 0.62,
0.619, 0.62, 0.62, 0.619, 0.62, 0.619, 0.619, 0.62, 0.619,
0.619, 0.619, 0.619, 0.61, 0.61, 0.619, 0.619, 0.619, 0.62,
0.619, 0.619, 0.619, 0.619, 0.61, 0.619, 0.619, 0.62, 0.619,
0.61, 0.619, 0.619, 0.619, 0.619, 0.61, 0.619, 0.619, 0.62,
0.619, 0.61, 0.619, 0.619, 0.62, 0.619, 0.749, 0.63, 0.62,
0.61, 0.619, 0.619],
[0.801, 0.644, 0.62, 0.62, 0.61, 0.61,
0.619, 0.62, 0.61, 0.61, 0.61, 0.61, 0.619, 0.619, 0.62,
0.61, 0.619, 0.61, 0.619, 0.62, 0.62, 0.629, 0.689, 0.759,
0.849, 0.84, 0.918, 1.019, 0.967, 0.92, 0.976, 1.089, 1.062,
1.219, 1.202, 1.261, 1.387, 1.422, 1.39, 1.264, 1.281, 1.35,
1.32, 1.419, 1.568, 1.554, 1.623, 1.592, 1.709, 1.742, 1.535,
1.123, 0.84, 0.682, 0.63, 0.62, 0.61, 0.61, 0.619, 0.62,
0.61, 0.61, 0.61, 0.61, 0.619, 0.62, 0.61, 0.619, 0.61,
0.62, 0.61, 0.62, 0.61, 0.61, 0.619, 0.62, 0.62, 0.61,
0.61, 0.61, 0.619, 0.62, 0.61, 0.619, 0.62, 0.61, 0.61,
0.61, 0.61, 0.61, 0.619, 0.62, 0.62, 0.61, 0.61, 0.61,
0.619, 0.619, 0.619, 0.61, 0.618, 0.61, 0.61, 0.619, 0.61,
0.61, 0.61, 0.61, 0.619, 0.619, 0.62, 0.61, 0.619, 0.62,
0.62, 0.61, 0.619, 0.61, 0.61, 0.61]]).T
print(stats.ks_2samp(df.iloc[:, 1], df.iloc[:, 0]).pvalue)
Kolmogorov-Smirnov 測試沒有失敗。 兩個系列看似平坦的尾巴,實則有本質的不同。 我們可以通過放大尾部(從索引 60 開始)並對每個系列中的值進行排序以便於比較來看到這一點:
import matplotlib.pyplot as plt
plt.plot(df.iloc[60:, 0].sort_values(ignore_index=True))
plt.plot(df.iloc[60:, 1].sort_values(ignore_index=True), color='orange')
plt.ylim([0.605, 0.625]);
我不知道這是數據記錄方式的人工制品,還是真實的效果。 無論如何,請注意 Kolmogorov-Smirnov 測試在這里不合適,因為它假設有兩個隨機樣本,而您擁有的是時間序列,時間顯然是一個重要因素。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.