我正在尝试将我的数据拟合到连续 PDF 之一（我建议它是伽马或对数正态分布的）。数据由大约 6000 个正浮点数组成。但是 Kolmogorov-Smirnov 检验的结果完全驳斥了我提供非常低的 p 值的期望。

数据经验分布

配电配件

Python代码：

import numpy
import sys
import json
import matplotlib.pyplot as plt
import scipy
from scipy.stats import *

dist_names = ['gamma', 'lognorm']
limit = 30

def distro():
    #input file
    with open(sys.argv[1]) as f:
        y = numpy.array(json.load(f))

    #output
    results = {}
    size = y.__len__()
    x = scipy.arange(size)
    h = plt.hist(y, bins=limit, color='w')
    for dist_name in dist_names:
        dist = getattr(scipy.stats, dist_name)
        param = dist.fit(y)
        goodness_of_fit = kstest(y, dist_name, param)
        results[dist_name] = goodness_of_fit
        pdf_fitted = dist.pdf(x, *param) * size
        plt.plot(pdf_fitted, label=dist_name)
        plt.xlim(0, limit-1)
        plt.legend(loc='upper right')
    for k, v in results.iteritems():
        print(k, v)
    plt.show()

这是输出：

• p 值几乎为 0 'lognorm', (0.1111486360863001, 1.1233698406822002e-66)
• p 值为 0 'gamma', (0.30531260123096859, 0.0)

这是否意味着我的数据不符合伽马分布？..但它们看起来很相似......