如何使用scipy.stats.kstest/basic questions关于Kolmogorov–Smirnov tes

Question

帮助链接是http://docs.scipy.org/doc/scipy-0.7.x/reference/generated/scipy.stats.kstest.html 我现在可以计算ks测试值，但我不明白。 代码如下。

from scipy import stats
import numpy as np
sample =np.loadtxt('mydata',delimiter=",",usecols=(2,),unpack=True)
print stats.kstest(sample, 'poisson', args=(1,))

问题1
如果参考分布是常数，那么什么词可以代替上面的poisson？
问题2
什么是args=(1,)的意思？
问题3
如果有人对ks测试感兴趣，这里是wiki链接。
http://en.wikipedia.org/wiki/Kolmogorov%E2%80%93Smirnov_test
我们可以编写自己的python代码来练习吗？我们可以很容易地得到max（D），但是如何在链接中得到Pr（k<；=x）？max（D）和Pr（k<；=x）之间的关系是什么？

Answer 1

问题2：看这个，我有一个名为x1的数组

>>> stats.kstest(x1, 'norm')
(0.50018855199491585, 0.0)
>>> stats.kstest(x1, stats.norm.cdf)
(0.50018855199491585, 0.0)
>>> stats.kstest(x1, stats.norm.cdf, args=(0,))
(0.50018855199491585, 0.0)
>>> stats.kstest(x1, stats.norm.cdf, args=(2,))
(0.84134903906580316, 0.0)
>>> stats.kstest(x1, 'norm', args=(2,))
(0.84134903906580316, 0.0)

如果传递分布的名称，即'norm'，那么实际传递给kstest的是标准分布cdf。按标准，它表示正态分布的平均值为0，西格玛为1。 如果不需要标准的cdf，可以使用args=()将其他参数传递给cdf。在这种情况下，我只及格了。也就是说，我们测试x1和平均值=2和西格玛=1的正态分布之间的差异。

问题3：简短的回答是，是的。但是，为什么要重新发明轮子呢？如果你想知道它是如何实现的，只需检查源代码。它在第3292行的your_package_folder\scipy\stats\stats.py中。