scipy.special.smirnovi#

scipy.special.smirnovi(n, p, out=None) = <ufunc 'smirnovi'>#

Invers zu smirnov

Gibt d zurück, so dass smirnov(n, d) == p ist, der kritische Wert, der p entspricht.

Parameter:

nint: Anzahl der Stichproben
pfloat array_like: Wahrscheinlichkeit
outndarray, optional: Optionales Ausgabe-Array für die Funktionsergebnisse

Rückgabe:

skalar oder ndarray: Der/die Wert(e) von smirnovi(n, p), die kritischen Werte.

Siehe auch

smirnov: Die Überlebensfunktion (SF) für die Verteilung
scipy.stats.ksone: Bietet die Funktionalität als kontinuierliche Verteilung
kolmogorov, kolmogi: Funktionen für die zweiseitige Verteilung
scipy.stats.kstwobign: Zweiseitige Kolmogorov-Smirnov-Verteilung, großes n

Hinweise

smirnov wird von stats.kstest bei der Anwendung des Kolmogorov-Smirnov-Anpassungstests verwendet. Aus historischen Gründen ist diese Funktion in scpy.special verfügbar, aber der empfohlene Weg für die genauesten CDF/SF/PDF/PPF/ISF-Berechnungen ist die Verwendung der stats.ksone-Verteilung.

Beispiele

>>> from scipy.special import smirnovi, smirnov

>>> n = 24
>>> deviations = [0.1, 0.2, 0.3]

Verwenden Sie smirnov, um die komplementäre CDF der Smirnov-Verteilung für die gegebene Anzahl von Stichproben und Abweichungen zu berechnen.

>>> p = smirnov(n, deviations)
>>> p
array([0.58105083, 0.12826832, 0.01032231])

Die Umkehrfunktion smirnovi(n, p) gibt deviations zurück.

>>> smirnovi(n, p)
array([0.1, 0.2, 0.3])