<\/p>\n
Il test di Kolmogorov-Smirnov<\/strong> viene utilizzato per verificare se un campione proviene o meno da una determinata distribuzione.<\/span><\/p>\n Per eseguire un test di Kolmogorov-Smirnov in Python, possiamo utilizzare scipy.stats.kstest()<\/a> per un test a un campione o scipy.stats.ks_2samp()<\/a> per un test a due campioni.<\/span><\/p>\n Questo tutorial mostra un esempio di come utilizzare ciascuna funzione nella pratica.<\/span><\/p>\n Supponiamo di avere i seguenti dati di esempio:<\/span><\/p>\n Il codice seguente mostra come eseguire un test di Kolmogorov-Smirnov su questo campione di 100 valori di dati per determinare se provengono da una distribuzione normale:<\/span><\/p>\n Dal risultato, possiamo vedere che la statistica del test \u00e8 0,9072<\/strong> e il corrispondente valore p \u00e8 1,0908e-103<\/strong> . Poich\u00e9 il valore p \u00e8 inferiore a 0,05, rifiutiamo l’ipotesi nulla. Abbiamo prove sufficienti per affermare che i dati del campione non provengono da una distribuzione normale.<\/span><\/p>\n Anche questo risultato non dovrebbe sorprendere poich\u00e9 abbiamo generato i dati di esempio utilizzando la funzione Poisson()<\/strong> , che genera valori casuali che seguono una distribuzione di Poisson<\/a> .<\/span><\/p>\n Supponiamo di avere i seguenti due set di dati di esempio:<\/span><\/p>\n Il codice seguente mostra come eseguire un test di Kolmogorov-Smirnov su questi due campioni per determinare se provengono dalla stessa distribuzione:<\/span><\/p>\n Dal risultato, possiamo vedere che la statistica del test \u00e8 0,99<\/strong> e il corrispondente valore p \u00e8 4,4175e-57<\/strong> . Poich\u00e9 il valore p \u00e8 inferiore a 0,05, rifiutiamo l’ipotesi nulla. Abbiamo prove sufficienti per affermare che i due set di dati campione non provengono dalla stessa distribuzione.<\/span><\/p>\n Anche questo risultato non dovrebbe sorprendere poich\u00e9 abbiamo generato valori per il primo campione utilizzando la distribuzione normale standard e valori per il secondo campione utilizzando la distribuzione lognormale.<\/span><\/p>\n Come eseguire un test di Shapiro-Wilk in Python<\/a> Il test di Kolmogorov-Smirnov viene utilizzato per verificare se un campione proviene o meno da una determinata distribuzione. Per eseguire un test di Kolmogorov-Smirnov in Python, possiamo utilizzare scipy.stats.kstest() per un test a un campione o scipy.stats.ks_2samp() per un test a due campioni. Questo tutorial mostra un esempio di come utilizzare ciascuna funzione nella pratica. […]<\/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 Esempio 1: campione del test Kolmogorov-Smirnov<\/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 Esempio 2: test di Kolmogorov-Smirnov a due campioni<\/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 Risorse addizionali<\/strong><\/span><\/h3>\n
Come eseguire un test di Anderson-Darling in Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"