我可以相信 Python 中 Kolmogorov-Smirnov 检验的结果吗？

问题描述

我数据太少，用ks-test，得到p-value = 0.96。 p值>0.05，结果显着，p值大于0.05，数据呈正态分布。 从图表中绘制结果如下。

但根据图表，直觉上来说，我不认为这个结果看起来像正态分布。

我可以相信 ks-test 的结果吗？

In [1]:everystep_mse[:-1]

Out[1]:[6.813272177131644,6.27294325622763,5.950493005641883,5.51228036539783,5.320906696737751,4.603816141913221,4.608844365904758,3.921157423558209,3.525868929566099,3.850245340258806]
In [2]:std = np.array(everystep_mse[:-1]).std()
       mean = np.array(everystep_mse[:-1]).mean()
       print(std,mean)

Out[2]:1.0550652455084446 5.037982770233784

In [3]:from scipy import stats
       everystep_mse_array = np.array(everystep_mse[:-1])
       mean  = everystep_mse_array.mean()
       std = everystep_mse_array.std() 
       stats.kstest(everystep_mse_array,'norm',(mean,std))

out[3]:KstestResult(statistic=0.15790092669613776,pvalue=0.9643743197080046)

In [4]:domain = np.linspace(np.min(everystep_mse[:-1]),np.max(everystep_mse[:-1]))
       pyplot.plot(domain,norm.pdf(domain,mean,std),label='$\mathcal{N}$'+f'$(\mu\\approx {round(mean)},\sigma \\approx                       
                   {round(std) })$')
       plt.hist(everystep_mse[:-1],edgecolor='black',alpha=.5,density=True)
       plt.title("Normal Fit")
       plt.xlabel("Value")
       plt.ylabel("Density")
       plt.legend()
       plt.show()

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）