Es ACEPTAR el uso de la prueba de Kolmogorov-Smirnov de bondad de ajuste de prueba para comparar dos distribuciones empíricas para determinar si ellos parecen haber venido de la misma distribución subyacente, en lugar de comparar una distribución empírica a un pre-especificado de referencia de la distribución?
Dejar que me traten de hacer esto de otra manera. Colecciono N muestras de algunos de distribución en un solo lugar. Colecciono M muestras en otro lugar. Los datos es continua (cada muestra es un número real entre 0 y 10, por ejemplo), pero no se distribuye normalmente. Quiero probar si estos N+M muestras provienen de la misma distribución subyacente. Es razonable que el uso de la prueba de Kolmogorov-Smirnov para este propósito?
En particular, podría calcular la distribución empírica $F_0$ de la $N$ de las muestras, y la distribución empírica $F_1$ de la $M$ de las muestras. Entonces, yo podría calcular el test de Kolmogorov-Smirnov estadístico de prueba para medir la distancia entre el$F_0$$F_1$: es decir, calcular los $D = \sup_x |F_0(x) - F_1(x)|$, y el uso de $D$ mi estadístico de prueba como en el test de Kolmogorov-Smirnov de bondad de ajuste. Es este un enfoque razonable?
(He leído en otra parte que el test de Kolmogorov-Smirnov de bondad de ajuste no es válido para distribuciones discretas, pero tengo que admitir que no entienden lo que esto significa o por qué podría ser cierto. ¿Eso significa que mi enfoque propuesto es mala?)
O, ¿usted recomendaría algo a cambio?
