我在理解 R 中 KS 测试的输出时遇到了一些困难。假设我想测试我的数据是否遵循指数分布，比率为 1/117.5，显着性水平。我有以下假设：
：数据服从指数分布
：数据不服从指数分布
我在 R 中有以下代码：
x <- rexp(10000, rate = 1/120)
ks.test(x, "pexp", rate = 1/117.5)
并获得输出：
One-sample Kolmogorov-Smirnov test
data: x
D = 0.0132, p-value = 0.06224
alternative hypothesis: two-sided
那么，由于 P >，我不能拒绝空值吗？因此假设我的日期遵循指数分布，比率为 1/117.5？
我对 P 值和显着性水平的含义有点迷茫。
那么，既然 P > α，我就不能拒绝空值吗？
这是正确的，你不会拒绝那个测试的空值。Kolmogorov-Smirnov 可以检测尺度变化，但效率不如专门设计用来检测它们的东西。
因此假设我的日期遵循指数分布，比率为 1/117.5？
未能拒绝 null 并不意味着 null 确实如此。您无法将它与平均值为 117.5 的指数区分开来，但这并不意味着它是指数的或平均值为117.5。许多其他速率参数将与数据一致，并且除指数之外的许多分布也会如此。
如果您有强烈的先验理由认为它应该采用 null 值并且是指数的，那么在某些情况下，将 null 视为 true 可能是有意义的，但一般来说它可能不是。这有助于记住这一点。
如果你想要指数分布，我想试着用你的数据将指数转换为正态分布
我认为你应该改变你的数据
在您的数据中
ln(数据)
运行你的代码
ks.test(x, "pnorm",mean=0,sd=1)