Teste de Kolmogorov-Smirnov
Aderência e normalidade · distribuição de referência: D (Kolmogorov)
Quando usar
Comparar uma amostra com uma distribuição teórica totalmente especificada.
Hipótese nula
Os dados seguem a distribuição F₀.
Pressupostos
- F₀ contínua e com parâmetros conhecidos de antemão
Estatística
D = \sup_x \left| F_n(x) - F_0(x) \right|Como reportar
D = 0,12; p = 0,43
No R e no Python
R
ks.test(x, "pnorm", mean = 0, sd = 1)Python
stats.kstest(x, "norm", args=(0, 1))No Python, stats é scipy.stats e np é numpy.
Variantes e alternativas
- Lilliefors, quando os parâmetros são estimados dos dados
- Versão para duas amostras, que compara as duas distribuições empíricas: D = sup |F₁(x) − F₂(x)|
Onde fica no catálogo
Aderência e normalidade. Aderência: os dados seguem a distribuição esperada? Os testes de normalidade são o caso mais comum e conferem um pressuposto dos testes paramétricos.
Na árvore de decisão
- O que você quer fazer? Verificar um pressuposto ou a distribuição dos dados
- O que você quer verificar? Se os dados seguem outra distribuição contínua
- Os parâmetros da distribuição são conhecidos de antemão? Sim