我有一些离散的事件时间，我想做一个测试，看看它们是否可能来自齐次泊松过程。
从这个pdf，我看到：
备注 6.3（检验泊松） 上述定理也可用于检验给定计数过程是泊松过程的假设。这可以通过在固定时间内观察该过程来完成. 如果在这个时间段内我们观察到 n 次发生并且如果过程是泊松，那么无序的发生时间将独立且均匀地分布在. 因此，我们可以通过检验 n 个发生时间来自一个统一的假设的假设来检验该过程是否为 Poisson人口。这可以通过标准统计程序来完成，例如 Kolmogorov-Smirov 检验。
但是我不太明白在实践中该怎么做。说我的时代是
[1, 7, 18, 22, 41, 43, 66, 73, 86, 92]
我选择的时间间隔是从至. 在此示例中，我究竟如何进行 Kolmogorov-Smirov 检验？
如果你喜欢 Python / numpy / matplotlib，这里有一个演示 Remark 6.3 的小例子：
>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> import scipy.stats
# interval between two events is distributed as an exponential
>>> delta_t = scipy.stats.expon.rvs(size=10000)
>>> t = np.cumsum(delta_t)
>>> plt.hist(t/t.max(), 200)
>>> plt.show() # see how much uniform it is
# perform the ks test (second value returned is the p-value)
>>> scipy.stats.kstest(t/t.max(), 'uniform')