<\/p>\n
Mit dem Kolmogorov-Smirnov-Test<\/strong> wird getestet, ob eine Stichprobe aus einer bestimmten Verteilung stammt oder nicht.<\/span><\/p>\n Um einen Kolmogorov-Smirnov-Test in Python durchzuf\u00fchren, k\u00f6nnen wir scipy.stats.kstest()<\/a> f\u00fcr einen Test mit einer Stichprobe oder scipy.stats.ks_2samp()<\/a> f\u00fcr einen Test mit zwei Stichproben verwenden.<\/span><\/p>\n Dieses Tutorial zeigt ein Beispiel f\u00fcr die praktische Verwendung der einzelnen Funktionen.<\/span><\/p>\n Angenommen, wir haben die folgenden Beispieldaten:<\/span><\/p>\n Der folgende Code zeigt, wie man an dieser Stichprobe von 100 Datenwerten einen Kolmogorov-Smirnov-Test durchf\u00fchrt, um zu bestimmen, ob sie aus einer Normalverteilung stammen:<\/span><\/p>\n Aus dem Ergebnis k\u00f6nnen wir ersehen, dass die Teststatistik 0,9072<\/strong> betr\u00e4gt und der entsprechende p-Wert 1,0908e-103<\/strong> betr\u00e4gt. Da der p-Wert kleiner als 0,05 ist, lehnen wir die Nullhypothese ab. Wir haben gen\u00fcgend Beweise daf\u00fcr, dass die Stichprobendaten nicht aus einer Normalverteilung stammen.<\/span><\/p>\n Dieses Ergebnis sollte auch nicht \u00fcberraschen, da wir die Beispieldaten mit der Funktion Poisson()<\/strong> generiert haben, die Zufallswerte generiert, die einerPoisson-Verteilung<\/a> folgen.<\/span><\/p>\n Nehmen wir an, wir haben die folgenden zwei Beispieldatens\u00e4tze:<\/span><\/p>\n Der folgende Code zeigt, wie ein Kolmogorov-Smirnov-Test f\u00fcr diese beiden Stichproben durchgef\u00fchrt wird, um festzustellen, ob sie aus derselben Verteilung stammen:<\/span><\/p>\n Aus dem Ergebnis k\u00f6nnen wir ersehen, dass die Teststatistik 0,99<\/strong> betr\u00e4gt und der entsprechende p-Wert 4,4175e-57<\/strong> betr\u00e4gt. Da der p-Wert kleiner als 0,05 ist, lehnen wir die Nullhypothese ab. Wir haben gen\u00fcgend Beweise daf\u00fcr, dass die beiden Beispieldatens\u00e4tze nicht aus derselben Verteilung stammen.<\/span><\/p>\n Dieses Ergebnis sollte auch nicht \u00fcberraschend sein, da wir Werte f\u00fcr die erste Stichprobe mithilfe der Standardnormalverteilung und Werte f\u00fcr die zweite Stichprobe mithilfe der Lognormalverteilung generiert haben.<\/span><\/p>\n So f\u00fchren Sie einen Shapiro-Wilk-Test in Python durch<\/a> Mit dem Kolmogorov-Smirnov-Test wird getestet, ob eine Stichprobe aus einer bestimmten Verteilung stammt oder nicht. Um einen Kolmogorov-Smirnov-Test in Python durchzuf\u00fchren, k\u00f6nnen wir scipy.stats.kstest() f\u00fcr einen Test mit einer Stichprobe oder scipy.stats.ks_2samp() f\u00fcr einen Test mit zwei Stichproben verwenden. Dieses Tutorial zeigt ein Beispiel f\u00fcr die praktische Verwendung der einzelnen Funktionen. Beispiel 1: Eine Kolmogorov-Smirnov-Testprobe […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Beispiel 1: Eine Kolmogorov-Smirnov-Testprobe<\/strong><\/span><\/h3>\n
from<\/span> numpy.random import<\/span> seed\nfrom<\/span> numpy.random import<\/span> fish\n\n#set seed (eg make this example reproducible)<\/span>\nseed(0)\n\n#generate dataset of 100 values that follows a Poisson distribution with mean=5\n<\/span>data = fish(5, 100)<\/strong><\/pre>\n from<\/span> scipy.stats import<\/span> kstest\n\n#perform Kolmogorov-Smirnov test<\/span>\nkstest(data, ' norm<\/span> ')\n\nKstestResult(statistic=0.9072498680518208, pvalue=1.0908062873170218e-103)\n<\/strong><\/pre>\n Beispiel 2: Kolmogorov-Smirnov-Test mit zwei Stichproben<\/strong><\/span><\/h3>\n
from<\/span> numpy.random import<\/span> seed\nfrom<\/span> numpy.random import<\/span> randn\nfrom<\/span> numpy.random import<\/span> lognormal\n\n#set seed (eg make this example reproducible)<\/span>\nseed(0)\n\n#generate two datasets\n<\/span>data1 = randn(100)\ndata2 = lognormal(3, 1, 100)<\/strong><\/pre>\n from<\/span> scipy.stats import<\/span> ks_2samp\n\n#perform Kolmogorov-Smirnov test<\/span>\nks_2samp(data1, data2)\n\nKstestResult(statistic=0.99, pvalue=4.417521386399011e-57)\n<\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So f\u00fchren Sie einen Anderson-Darling-Test in Python durch<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"