从 MATLAB 调用 Python KS 测试很简单:
foo = py.scipy.stats.ks_2samp(rand(1,50),rand(1,70));
但是,当我以这种方式调用 Anderson-Darling k 样本检验时,出现一个错误:
bar = py.scipy.stats.anderson_ksamp(rand(1,50),rand(1,70));
"Python Error: AxisError: axis -1 is out of bounds for array of dimension 0"
这样会导致另一个错误(这里,我试图设置 midrank = false,认为这可能是之前错误的原因)
bar = py.scipy.stats.anderson_ksamp(rand(1,50),rand(1,70),false);
bar = py.scipy.stats.anderson_ksamp(rand(1,50),rand(1,70),'false');
bar = py.scipy.stats.anderson_ksamp(rand(1,50),rand(1,70),'midrank=false');
"Python Error: TypeError: anderson_ksamp() takes from 1 to 2 positional arguments but 3 were given"
我读过 https://docs.scipy.org/doc/scipy/reference/stats.html以及有关从 Matlab 调用 Python 的旧问题,但旧问题不适用于当前 API。
问题一:如何在MATLAB中调用anderson_ksamp?
问题 2:如何更改此检验的显着性水平?
请您参考如下方法:
你弄错了函数参数。
ks_2samp expects接收两个变量向量,所以你在那里很好。
anderson_ksamp expects接收一个系列向量:
scipy.stats.anderson_ksamp (samples, midrank=True)
samples : sequence of 1-D array_like
Array of sample data in arrays.
因此,您应该创建一个元胞数组,其中每个元胞都是一个样本向量,并将其作为第一个参数传递,因为您的样本可能具有不同的维度。
如果要测试两个向量是否来自同一分布,您应该使用常规 anderson 测试,这与 Kolmogorov-Smirnov 2 样本测试非常相似。只需连接值并将其作为单个向量发送。
至于显着性水平,您无法更改它们。它们是针对 10%、5%、2.5% 和 1% 的水平预定义和计算的(至少)。这足以满足任何实际目的。
