Kolmogorov-Smirnov 적합도 검정을 사용하여 두 개의 경험적 분포를 비교하여 하나의 경험적 분포를 사전 지정된 참조 분포와 비교하는 것이 아니라 동일한 기본 분포에서 나온 것으로 보이는지 확인하는 것이 좋습니까?
다른 방법으로 물어 보도록하겠습니다. 한 위치의 분포에서 N 개의 샘플을 수집합니다. 다른 장소에서 M 샘플을 수집합니다. 데이터는 연속적이지만 (각 샘플은 0과 10 사이의 실수) 정규 분포는 아닙니다. 이 N + M 샘플이 모두 동일한 기본 분포에서 나온 것인지 테스트하고 싶습니다. 이 목적으로 Kolmogorov-Smirnov 테스트를 사용하는 것이 합리적입니까?
특히, 나는 N 샘플 에서 경험적 분포 을, M 샘플 에서 경험적 분포 F 1 을 계산할 수 있습니다. 그런 다음 Kolmogorov-Smirnov 검정 통계량을 계산하여 F 0 과 F 1 사이의 거리를 측정 할 수 있습니다 . 즉, 계산 D = sup x | F 0 ( x ) − F 1 ( x ) | D를 사용하십시오.적합도에 대한 Kolmogorov-Smirnov 검정에서와 같이 제 검정 통계량입니다. 이것이 합리적인 접근입니까?
적합도에 대한 Kolmogorov-Smirnov 검정이 불연속 분포에는 유효하지 않다는 것을 다른 곳에서 읽었 지만 이것이 의미하는 바 또는 왜 이것이 맞는지 이해하지 못한다는 것을 인정합니다. )
아니면 다른 것을 추천 하시겠습니까?