scipy.stats.anderson测试临界值

Question

我用scipy.stats.anderson（）对 进行了正态分布测试。 我的测试分布不正态分布，因此 测试统计>临界值。然而，当检查我观察到的所有计算的临界值 时，对于减小的p值临界值增加。 这意味着，测试越关键（较小的p值），越接近测试统计的临界值。 在我看来，这应该是另一种方式。 任何熟悉安德森测试和它在Scipy实施？

Answer 1

上次我做了点检查，scipy.stats.anderson正常工作。对于正态分布的Anderson-Darling检验，statsmodels具有返回p值的函数http://statsmodels.sourceforge.net/devel/generated/statsmodels.stats.diagnostic.normal_ad.html

临界值针对给定的显着性水平。如果我们想要一个较小的显着性水平，那么我们必须增加临界值，假设我们处于正确的分布的尾部。

http://en.wikipedia.org/wiki/Statistical_significance

例如，对于Z测试，根据正态分布的单侧上尾临界值是：

>>> from scipy import stats 
>>> stats.norm.ppf([0.9, 0.95, 0.975]) 
array([ 1.28155157, 1.64485363, 1.95996398]) 

P值，与此相反，计算尾概率在给定的观测值下，观测值越大，p值越小，同样在右边的上尾部的情况下。

在你的例子中，如果观测值高于10％水平的临界值，那么它仍然可能低于5％水平的临界值。在这种情况下，我们会拒绝10％而不是5％的零假设。