我正在对我的数据进行正态性测试。一般来说，我希望数据大致正常(足够正常)，这由原始值和 QQplot 的直方图支持。
我已经进行了 Kolmogorov-Smirnov 和 Shapiro-Wilk 测试，这就是我感到困惑的地方。我的 p 值接近于 0。
Kolmogorov-Smirnov 统计量=0.78，p 值=0.0
Shapiro-Wilk 统计量 = 0.99，p 值 = 1.2e-05
这会让我相信我应该拒绝零假设。
我打算假设这是因为我的均值和标准差与分别为 KS 测试假设的 0 和 1 不同，正如 here 所解释的那样，但随后偶然发现了 plotly 中的正态性测试教程，其中两个测试低 p 值显然支持零假设!
plotly tutorial on normality tests
执行测试的方式有什么改变吗？还是教程页面上的错误？
最佳答案
这似乎是教程中的错误。正如他们所说(经典定义)，零假设是引用分布和测试分布之间没有显着差异。当 p 值小于您的阈值时(当检验统计量大于临界值时)，应拒绝该假设。这也在同一教程中的链接中进行了说明，其中提供了有关如何接受或拒绝零假设的更多信息。
因此，我认为这是一个错误。在这两个示例中，应该拒绝无差异的零假设，因为 p 值似乎小于 0.05，并且检验统计量大于它们各自的临界值。
关于python - Python 正态性检验中 p 值的解释，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/42007312/