解读安德森宠儿测试 scipy

Question

有兴趣了解如何解释 python 中 Anderson darling 测试的结果。

似乎 AD 统计数据必须低于其相关显着性水平的临界值，但我不确定如何从函数的 return 中正确确定这一点。

这是函数的结果

AndersonResult(statistic=1.383562257554786,
               critical_values=array([0.574, 0.654, 0.785, 0.916, 1.089]), 
               significance_level=array([15. , 10. ,  5. ,  2.5,  1. ]))

Answer 1

Anderson Darling 测试总体样本是否遵循特定分布。如果检验统计量高于临界值，则在相应的显着性水平下拒绝零假设（即有证据表明总体不遵循该特定分布）。

查看您的输出，零假设在此处的所有显着性水平都被拒绝，因为检验统计量高于所有临界值。

您可以在此处查看有关 AD 测试的文档 https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.anderson.html。

Answer 2

如果您想加深对测试细节的理解，可以超越 SciPy documentation to NIST reference or an in-depth article on Computation of Probability Associated with Anderson–Darling Statistic。

如果您有关于测试有效性或公式的数学问题，请搜索（或post）Cross Validated论坛。