scipy.stats.anderson 测试临界值

Posted 2023-03-12

【中文标题】scipy.stats.anderson 测试临界值

【英文标题】：scipy.stats.anderson test critical values

【发布时间】：2014-04-02 15:46:10

【问题描述】：

我用scipy.stats.anderson() 来 检验正态分布。 我的测试分布不是正态分布， 因此 teststatistic > 临界值。 但是，当检查所有计算的临界值时 我观察到，对于降低 p 值，临界值正在增加。 这意味着，测试越关键（p 值越小）， 越接近检验统计量的临界值。 在我看来，这应该是另一种方式。 有人熟悉 Anderson 测试及其在 Scipy 中的实现吗？

【参考方案1】：

我上次进行抽查时，scipy.stats.anderson 工作正常。对于针对正态分布的 Anderson-Darling 检验，statsmodels 有一个函数可以返回 p 值 http://statsmodels.sourceforge.net/devel/generated/statsmodels.stats.diagnostic.normal_ad.html

临界值适用于给定的显着性水平。当我们想要更小的显着性水平时，我们必须增加临界值，假设我们位于分布的右上尾。

http://en.wikipedia.org/wiki/Statistical_significance

例如对于 z 检验，基于正态分布的一侧上尾临界值为：

>>> from scipy import stats
>>> stats.norm.ppf([0.9, 0.95, 0.975])
array([ 1.28155157,  1.64485363,  1.95996398])

相比之下，P 值计算给定观察值处的尾部概率，观察值越大，p 值越小，同样在右上尾的情况下。

在您的示例中，如果观察值高于 10% 水平的临界值，那么它仍可能低于 5% 水平的临界值。在这种情况下，我们会在 10% 而不是 5% 的水平上拒绝原假设。

【讨论】：

确实，你是对的。感谢您向我指出 statsmodels。我实际上是在寻找一个返回 p 值的函数。