scipy.stats.epps_singleton_2samp¶
- scipy.stats.epps_singleton_2samp(x, y, t=(0.4, 0.8))[源代码]¶
计算Epps-Singleton(ES)检验统计量。
检验两个样本具有相同潜在概率分布的零假设。
- 参数
- x, y类似阵列的
要检验的两个观察样本。输入不能有多个维度。样本可以有不同的长度。
- t类似阵列，可选
要评估经验特征函数的点(t1，…，tn)。它应该是正的不同的数字。中建议使用默认值(0.4，0.8 [1]. 输入不能有多个维度。
- 退货
- statistic浮动
测试统计数据。
- pvalue浮动
基于渐近Ch2分布的关联p值。
注意事项
检验两个样本是否由相同的基础分布产生是统计学中的一个经典问题。一个广泛使用的检验是Kolmogorov-Smirnov(KS)检验，它依赖于经验分布函数。Epps和Singleton在文献[1]中引入了基于经验特征函数的检验 [1].
与KS检验相比，ES检验的一个优点是不假定分布是连续的。在……里面 [1], 作者得出结论，在许多例子中，该检验也比KS检验具有更高的威力。他们建议对离散样本和连续样本使用ES检验，每个样本至少有25个观测值，而
anderson_ksamp在连续情况下，推荐用于样本量较小的情况。p值是根据测试统计量的渐近分布计算出来的，该分布跟在
chi2分配。如果两者的样本大小 x 和 y 低于25，则建议的小样本校正 [1] 应用于测试统计。的默认值
t是在中确定的 [1] 通过考虑各种分布并找到导致测试总体功率较高的好值。表III in [1] 给出了该研究中测试的分布的最佳值。的价值t在实现中按半四分位范围进行缩放，请参见 [1].参考文献