在进行 Kolmogorov-Smirnov 检验时，我们假设$H_0:$这两种分布是等价的。然后我们计算一个检验统计量，如果对应的$p$-值足够小，我们拒绝$H_0$并得出结论$H_A:$两种分布不同。

就假设检验而言，我们使用$p$-value 来量化我们必须拒绝零假设的证据量。一个$p$- 值为 1 表示我们没有收集到拒绝原假设的证据。一个$p$- 接近 0 的值表示有压倒性的证据拒绝原假设。

假设我们有数据并计算$p$- 来自 KS 测试的值$p=0.99.$ 这表明几乎没有证据可以拒绝零假设。但是，我们无法建立一个标准$\alpha=0.95$这样$p>\alpha$意味着我们得出的结论是原假设是正确的。 此外，我不相信有一个替代测试可以让我们得出结论，这两个分布是相同的。

我相信你能做的就是在写作或讨论中完全诚实。提及您进行了 KS 测试，报告一个$p$-值，如果$p$- 值足够高，然后阐明几乎没有证据表明这两种分布不同。因此，虽然您无法得出分布相同的结论，但您应该能够注意到没有证据表明这两个分布不同。作为您的样本量$n$增加，你对这个答案的信心就越大。

这不是您可能正在寻找的答案，但也不是完全清洗。希望这可以帮助！