カーイバー

astropy.stats.kuiper(data, cdf=<function <lambda>>, args=())

カーバー統計量を計算する.

コルモゴロフ·スミルノフ検査のコーバー統計バージョンを用いてサンプルを見つけました data 分布から抽出したものであり，そのCDFは以下のようになる. cdf それがそうです。

警告

実際に離散的な分布(例えばポアソン)では，これは正常に動作しない.

パラメータ

dataアレイ式.

データ値です

cdf呼び戻すことができる

テストする発行バージョンのCDFを評価するための呼び出し可能関数。すべての値のベクトルを用いて一度に呼び出す.デフォルト値は一様分布である.

args類似リスト、オプション

CDFの他のパラメータを提供する.

返品

D浮いている.

元の統計データです

fpp浮いている.

CDFがCDFである分布からサンプルを抽出すると，このような大きなDが出現する確率である.

注意事項

コーバー統計量は非パラメータであるため，データの再パラメータ化では不変であるKolmogorov-Smirnov検定と類似している.また，Kuiper統計量はドメイン全体で同様に敏感であり，ループ配列下でも不変である(これは，ループデータの分析に特に適している).

(D，fpp)を返し，ここでDはKuiper Dの数字であり，fppはCDFからデータを抽出したときにDと同じ大きさの値が現れる確率である.

警告

FPPは近似計算のみを行い，最高真値の1.5倍に達する.

ステファンスは1970年、分布分散の変化を検出する際に、KSがKSよりも有効であると主張し、KS(彼は主張する)は平均変化を検出する際により敏感であると主張した。

CDFがフィッティングによってデータから得られたものであれば，FPPは正しくなく，モンテカルロシミュレーションを行ってDを解釈する必要がある.Dは通常CDFの形状とは無関係であるはずである.

参考文献

1

ステファンス，M.A.“Kolmogorov−Smirnov，Cramer−Von Misesと関連統計データの使用は，広範な表がない”，“王立統計学会誌”である。Bシリーズ(方法論)、第32巻、第1号(1970年)、第115-122ページ。