Test de Kolmogorov-Smirnov

Déterminez si un échantillon suit une distribution de probabilité spécifique.

Input Parameters

Exemples de points de données

Distribution de référence

Stat Formula

Dn = sup |Fn(x) - F(x)|

Measuring the supremum of the absolute difference between the empirical step function and theoretical CDF.

Analyse de l'adéquation de l'ajustement

Statistique de distance (D)0.4000Distribution matches model

Hypothesis Not Rejected

Valeur critique (Dα)0.5650Acceptance Limit

Taille de l'échantillon (N)5Data Points

The K-S test detects differences in both location and shape of the distribution.

Overview

Le test de Kolmogorov-Smirnov (K-S) est un test non paramétrique qui compare un échantillon à une distribution de probabilité de référence. Il calcule la « distance maximale » (Dn) entre la fonction de distribution empirique de l'échantillon et la fonction de distribution cumulée de la distribution de référence.

💡

Pro Tips

Le test est plus puissant lorsqu'il est utilisé sur des distributions continues.
Pour les petits échantillons (N < 20), examinez les valeurs critiques exactes ; pour des échantillons plus grands, utilisez l’approximation asymptotique.
La statistique « D » représente le plus grand écart vertical entre le graphique en étapes de vos données et la courbe idéale.

Fun Facts

"Le test K-S porte le nom d'Andrey Kolmogorov et Nikolai Smirnov, deux géants des mathématiques soviétiques."
"Contrairement au test t, le test K-S est sensible aux différences de localisation et de forme des fonctions de distribution cumulative empiriques."
"Il est « sans distribution », ce qui signifie que les valeurs critiques dépendent uniquement de la taille de l'échantillon et non de la distribution testée."

Used with this

Similar tools that might be useful

Calculateur de tests A/B

Déterminez si les résultats de vos tests sont statistiquement significatifs.

Incertitude absolue ou relative

Convertissez entre l’incertitude absolue (± unité) et relative (%).

R-carré ajusté

Évaluez l’adéquation du modèle tout en tenant compte du nombre de prédicteurs.