09/08/2017 Teste Kolmogorov-Smirnov – Wikipédia, a enciclopédia livre

Teste Kolmogorov-Smirnov
Origem: Wikipédia, a enciclopédia livre.

Em estatística, o teste Kolmogorov–Smirnov (também

conhecido como teste KS ou teste K–S) é um teste não
paramétrico sobre a igualdade de distribuições de
probabilidade contínuas e unidimensionais que pode ser
usado para comparar uma amostra com uma distribuição de
probabilidade de referência (teste K–S uniamostral) ou
duas amostras uma com a outra (teste K–S biamostral).[1]
Recebe este nome em homenagem aos matemáticos russos
Andrei Kolmogorov e Nikolai Smirnov.

A estatística de Kolmogorov–Smirnov quantifica a

distância entre a função distribuição empírica da amostra e
a função distribuição acumulada da distribuição de
referência ou entre as funções distribuição empírica de
duas amostras. A distribuição nula desta estatística é Ilustração da estatística de Kolmogorov–Smirnov. A
calculada sob a hipótese nula de que a amostra é retirada da linha vermelha é a função distribuição acumulada, a
linha azul é a função distribuição empírica e a seta
distribuição de referência (no caso uniamostral) ou de que
preta é a estatística K–S.
as amostras são retiradas da mesma distribuição (no caso
biamostral). Em cada caso, as distribuições consideradas
sob a hipótese nula são distribuições contínuas, mas não restritas.

O teste K–S biamostral é um dos métodos não paramétricos mais úteis e difundidos para a comparação de duas
amostras, já que é sensível a diferenças tanto no local, como na forma das funções distribuição acumulada
empírica das duas amostras.[2]

O teste de Kolmogorov–Smirnov pode ser modificado para servir como um teste da qualidade do ajuste. No
caso especial do teste da normalidade da distribuição, as amostras são padronizadas e comparadas com uma
distribuição normal padrão. Isto equivale a tornar a média e a variância da distribuição de referência iguais aos
estimados da amostras, sabendo que usar isto para definir a distribuição de referência específica muda a
distribuição nula da estatística. Vários estudos encontraram que, mesmo nesta forma corrigida, o teste é menos
potente em avaliar a normalidade do que o teste de Shapiro–Wilk e o teste de Anderson–Darling.[3] Entretanto,
estes outros testes também têm suas desvantagens. O teste de Shapiro–Wilk, por exemplo, é conhecido por não
funcionar bem em amostras com muitos valores idênticos.

Índice
1 Estatística de Kolmogorov-Smirnov
2 Distribuição de Kolmogorov
2.1 Teste com parâmetros estimados
2.2 Distribuição nula discreta
3 Teste Kolmogorov-Smirnov biamostral
4 Limites de confiança para a forma da função distribuição
5 Estatística de Kolmogorov–Smirnov em mais de uma dimensão
6 Ver também
7 Referências
8 Ligações externas

https://pt.wikipedia.org/wiki/Teste_Kolmogorov-Smirnov 1/6
09/08/2017 Teste Kolmogorov-Smirnov – Wikipédia, a enciclopédia livre

Estatística de Kolmogorov-Smirnov
A função distribuição empírica para observações independentes e identicamente distribuídas é
definida como

em que é a função indicadora, igual a 1 se e igual a 0 de outro modo.

A estatística de Kolmogorov–Smirnov para uma dada função distribuição acumulada é

em que é o supremo do conjunto de distâncias. Pelo teorema de Glivenko–Cantelli, se a amostra vier da

distribuição , então converge a 0 quase certamente no limite quando vai ao infinito. Kolmogorov
fortaleceu este resultado ao oferecer efetivamente a razão desta convergência como mostrado abaixo. O
Teorema de Donsker oferece um resultado ainda mais forte.

Na prática, a estatística exige um número relativamente grande de pontos de dados para que se rejeite
adequadamente a hipótese nula.

Distribuição de Kolmogorov
A distribuição de Kolmogorov é a distribuição da variável aleatória

em que é a ponte browniana. A função distribuição acumulada de é dada por[4]

que também pode ser expressa pela função teta de Jacobi . Tanto a forma da estatística
do teste de Kolmogorov–Smirnov, como sua distribuição assintótica sob a hipótese nula foram publicadas por
Kolmogorov,[5] enquanto uma tabela da distribuição foi publicada por Smirnov.[6] Relações de recorrência para
a distribuição da estatística do teste em amostras finitas também foram divulgadas por Kolmogorov.[5]

Sob a hipótese nula de que a amostra vem da distribuição hipotetizada ,

em distribuição, em que é a ponte browniana.

Se for contínua, então, sob a hipótese nula, converge para a distribuição de Kolmogorov, que não
depende de . Este resultado também pode ser conhecido como teorema de Kolmogorov.

O teste de Kolmogorov–Smirnov para a qualidade do ajuste é construído pelo uso de valores críticos da
distribuição de Kolmogorov.[7] A hipótese nula é rejeitada no nível se

https://pt.wikipedia.org/wiki/Teste_Kolmogorov-Smirnov 2/6
09/08/2017 Teste Kolmogorov-Smirnov – Wikipédia, a enciclopédia livre

em que é encontrado a partir de

A potência assintótica deste teste é 1.

Teste com parâmetros estimados

Se a forma ou os parâmetros de forem determinados a partir dos dados , os valores críticos

determinados desta forma são inválidos. Em tais casos, o método de Monte Carlo ou outros métodos podem ser
exigidos e as tabelas foram preparadas para alguns casos. Os detalhes para as modificações exigidas para a
estatística do teste e para os valores críticos para a distribuição normal e para a distribuição exponencial foram
divulgados.[8] Publicações mais recentes incluem a distribuição de Gumbel.[9] O teste de Lillefors representa
um caso especial desta questão para a distribuição normal. A transformação do logaritmo pode ajudar a superar
casos em que os dados do teste de Kolmogorov parecem não se ajustar ao pressuposto de que veio da
distribuição normal.

Distribuição nula discreta

O teste de Kolmogorov–Smirnov deve ser adaptado para variáveis discretas.[10] A forma da estatística do teste
permanece igual à do caso contínuo, mas o cálculo de seu valor é mais sutil. Isto pode ser visto quando se
computa a estatística do teste entre uma distribuição contínua e uma função de etapa que tem uma
descontinuidade em . Em outras palavras, o limite , se existir, é diferente de . Assim, quando
se computa a estatística

não fica claro como realocar o limite, a não ser que se saiba o valor limitante da distribuição subjacente.

Teste Kolmogorov-Smirnov biamostral

O teste Kolmogorov–Smirnov pode também ser usado para
testar se duas distribuições de probabilidade
unidimensionais subjacentes diferem entre si. Neste caso, a
estatística de Kolmogorov–Smirnov é

em que e são as funções distribuição empírica da

primeira e da segunda amostra respectivamente e éa
função supremo.

A hipótese nula é rejeitada ao nível se

[11] Ilustração da estatística biamostral de Kolmogorov–

Smirnov. As linhas vermelha e azul correspondem a
funções distribuição empírica e a seta preta é a
estatística K–S biamostral.

https://pt.wikipedia.org/wiki/Teste_Kolmogorov-Smirnov 3/6
09/08/2017 Teste Kolmogorov-Smirnov – Wikipédia, a enciclopédia livre

e são os tamanhos da primeira e da segunda amostras respectivamente. O valor de é dado na tabela

abaixo para os níveis mais comuns de [11]

0.10 0.05 0.025 0.01 0.005 0.001

1.22 1.36 1.48 1.63 1.73 1.95

e, em geral, por

O teste biamostral verifica se as duas amostras de dados vêm da mesma distribuição e não especifica qual é esta
distribuição comum, isto é, se é normal ou não normal. Tabelas de valores críticos para este caso também foram
publicadas.[8][11] Estes valores críticos têm algo em comum com o teste de Anderson–Darling e o teste qui-
quadrado, nomeadamente, o fato de que valores mais altos tendem a ser mais raros.[12]

Limites de confiança para a forma da função distribuição

Enquanto o teste Kolmogorov–Smirnov é geralmente usado para testar se uma dada é a distribuição de
probabilidade subjacente de , o procedimento pode ser invertido para dar limites de confiança à própria
. Caso se escolha um valor crítico da estatística de teste , tal que , então a banda de
largura em torno de conterá inteiramente com probabilidade .

Estatística de Kolmogorov–Smirnov em mais de uma dimensão

Um teste Kolmogorov–Smirnov de qualidade do ajuste multivariado e livre de distribuição foi proposto por
Ana Justel, Daniel Peña e Rubén Zamar em 1997.[13] O teste usa uma estatística construída pelo uso da
transformação de Rosenblatt e um algoritmo é usado para a computação no caso bivariado. Um teste
aproximado facilmente computado em qualquer dimensão também é apresentado.

A estatística do teste Kolmogorov–Smirnov precisa ser modificada se um teste semelhante for aplicado a dados
multivariados. Ela não pode ser aplicada diretamente porque a diferença máxima entre duas funções
distribuição acumulada conjuntas geralmente não é igual à diferença máxima de qualquer uma das funções
distribuição complementares. Assim, a diferença máxima será diferente, dependendo se
ou ou qualquer um dos dois outros arranjos possíveis for usado. Pode-se exigir que o
resultado do teste usado não dependa da escolha feita.

Uma abordagem à generalização da estatística de Kolmogorov–Smirnov para dimensões mais elevadas que
leva em conta a preocupação acima consiste em comparar as funções distribuição acumulada das duas amostras
com todos os ordenamentos possíveis e tomar o maior conjunto das estatísticas K–S resultantes. Em
dimensões, o número de ordenamentos é . Uma variação deste tipo foi proposta por J. A. Peacock[14] e
outra por G. Fasano e A. Francischini,[15] ambas comparadas por R. H. C. Lopes.[16] Valores críticos para a
estatística do teste podem ser obtidos por simulações, mas isto depende da estrutura de dependência da
distribuição conjunta.

Ver também
Teste de Kuiper

Referências
https://pt.wikipedia.org/wiki/Teste_Kolmogorov-Smirnov 4/6
09/08/2017 Teste Kolmogorov-Smirnov – Wikipédia, a enciclopédia livre

1. Daniel, Wayne W. (30 de junho de 2000). Applied Nonparametric Statistics (https://books.google.com.br/

books?id=bCDFAAAACAAJ&dq=Applied+Nonparametric+Statistics&hl=pt-BR&sa=X&redir_esc=y)
(em inglês). [S.l.]: Duxbury. ISBN 9780534381943
2. Corder, Gregory W.; Foreman, Dale I. (20 de setembro de 2011). Nonparametric Statistics for Non-
Statisticians: A Step-by-Step Approach (https://books.google.com.br/books?id=T3qOqdpSz6YC&printse
c=frontcover&dq=Nonparametric+Statistics:+A+Step-by-Step+Approach&hl=pt-BR&sa=X&redir_esc=
y#v=onepage&q=Nonparametric%20Statistics:%20A%20Step-by-Step%20Approach&f=false) (em
inglês). [S.l.]: John Wiley & Sons. ISBN 9781118211250
3. Stephens, M. A. (1 de setembro de 1974). «EDF Statistics for Goodness of Fit and Some Comparisons»
(http://www.tandfonline.com/doi/abs/10.1080/01621459.1974.10480196) . Journal of the American
Statistical Association. 69 (347): 730–737. ISSN 0162-1459 (https://www.worldcat.org/issn/0162-1459)
. doi:10.2307/2286009 (https://dx.doi.org/10.2307%2F2286009)
4. «Evaluating Kolmogorov's Distribution | Marsaglia | Journal of Statistical Software» (https://www.jstatso
ft.org/article/view/v008i18) . doi:10.18637/jss.v008.i18 (https://dx.doi.org/10.18637%2Fjss.v008.i18)
. Consultado em 4 de julho de 2017
5. Kolmogorov, Andrei (1933). «Sulla determinazione empirica di una legge di distribuzione». Giornale
dell'istituto italiano degli attuari. 4: 83-91
6. Smirnov, N. (junho de 1948). «Table for Estimating the Goodness of Fit of Empirical Distributions» (htt
p://projecteuclid.org/euclid.aoms/1177730256) . The Annals of Mathematical Statistics (em inglês). 19
(2): 279–281. ISSN 0003-4851 (https://www.worldcat.org/issn/0003-4851) .
doi:10.1214/aoms/1177730256 (https://dx.doi.org/10.1214%2Faoms%2F1177730256)
7. Stephens, M. A. (1 de dezembro de 1979). «Tests of fit for the logistic distribution based on the empirical
distribution function» (https://academic.oup.com/biomet/article/66/3/591/232613/Tests-of-fit-for-the-logi
stic-distribution-based) . Biometrika. 66 (3): 591–595. ISSN 0006-3444 (https://www.worldcat.org/iss
n/0006-3444) . doi:10.1093/biomet/66.3.591 (https://dx.doi.org/10.1093%2Fbiomet%2F66.3.591)
8. Pearson, E. S. and Hartley, H. O., eds. (1972). Biometrika Tables for Statisticians. 2. [S.l.]: Cambridge
University Press. pp. 117–123, Tables 54, 55. ISBN 0-521-06937-8
9. Shorack, Galen R.; Wellner, Jon A. (1986). Empirical Processes with Applications to Statistics. [S.l.]:
Wiley. p. 239. ISBN 047186725X
10. Arnold, Taylor B.; Emerson, John W. (2011). «Nonparametric Goodness-of-Fit Tests for Discrete Null
Distributions» (http://journal.r-project.org/archive/2011-2/RJournal_2011-2_Arnold+Emerson.pdf)
(PDF). The R Journal. 3 (2): 34–39
11. «Critical Values for the Two-sample Kolmogorov-Smirnov test (2-sided)» (https://www.webdepot.umont
real.ca/Usagers/angers/MonDepotPublic/STT3500H10/Critical_KS.pdf) (PDF). Universidade de
Montreal. Consultado em 4 de julho de 2017
12. Mehta, Salil (1 de abril de 2014). Statistics Topics (https://books.google.com.br/books?id=nIaxoAEACA
AJ&dq=mehta+statistics+topics&hl=pt-BR&sa=X&redir_esc=y) (em inglês). [S.l.]: Createspace
Independent Pub. ISBN 9781499273533
13. Justel, Ana; Peña, Daniel; Zamar, Rubén (15 de outubro de 1997). «A multivariate Kolmogorov-Smirnov
test of goodness of fit» (http://www.sciencedirect.com/science/article/pii/S0167715297000205) .
Statistics & Probability Letters. 35 (3): 251–259. doi:10.1016/s0167-7152(97)00020-5 (https://dx.doi.or
g/10.1016%2Fs0167-7152%2897%2900020-5)
14. Peacock, J. A. (1 de março de 1983). «Two-dimensional goodness-of-fit testing in astronomy» (https://ac
ademic.oup.com/mnras/article/202/3/615/967854/Two-dimensional-goodness-of-fit-testing-in) .
Monthly Notices of the Royal Astronomical Society. 202 (3): 615–627. ISSN 0035-8711 (https://www.wo
rldcat.org/issn/0035-8711) . doi:10.1093/mnras/202.3.615 (https://dx.doi.org/10.1093%2Fmnras%2F2
02.3.615)
15. Fasano, G.; Franceschini, A. (1 de março de 1987). «A multidimensional version of the Kolmogorov–
Smirnov test» (https://academic.oup.com/mnras/article/225/1/155/1007281/A-multidimensional-version-
of-the-Kolmogorov) . Monthly Notices of the Royal Astronomical Society. 225 (1): 155–170.
ISSN 0035-8711 (https://www.worldcat.org/issn/0035-8711) . doi:10.1093/mnras/225.1.155 (https://d
x.doi.org/10.1093%2Fmnras%2F225.1.155)
16. Lopes, R.H.C., Reid, I., Hobson, P.R. (27 de abril de 2007). The two-dimensional Kolmogorov–Smirnov
test (http://dspace.brunel.ac.uk/bitstream/2438/1166/1/acat2007.pdf) (PDF). XI International Workshop
on Advanced Computing and Analysis Techniques in Physics Research. Amsterdam, the Netherlands

Ligações externas
https://pt.wikipedia.org/wiki/Teste_Kolmogorov-Smirnov 5/6
09/08/2017 Teste Kolmogorov-Smirnov – Wikipédia, a enciclopédia livre

Teste Kolmogorov–Smirnov na Encyclopedia of Mathematics (https://www.encyclopediaofmath.org/inde

x.php/Kolmogorov-Smirnov_test) (em inglês)
Breve introdução do Departamento de Física do College of Saint Benedict e Saint John's University de
Minnesota (https://web.archive.org/web/20050710021649/http://www.physics.csbsju.edu/stats/KS-test.ht
ml) (em inglês)
Breve introdução do Engineering Statistics Handbook (http://www.itl.nist.gov/div898/handbook/eda/secti
on3/eda35g.htm) (em inglês)
Calculadora on-line com teste Kolmogorov–Smirnov (https://jumk.de/statistic-calculator/) (em inglês)

Obtida de "https://pt.wikipedia.org/w/index.php?title=Teste_Kolmogorov-Smirnov&oldid=49310398"

Esta página foi editada pela última vez à(s) 04h03min de 16 de julho de 2017.
Este texto é disponibilizado nos termos da licença Creative Commons - Atribuição - Compartilha Igual
3.0 Não Adaptada (CC BY-SA 3.0); pode estar sujeito a condições adicionais. Para mais detalhes,
consulte as condições de uso.

https://pt.wikipedia.org/wiki/Teste_Kolmogorov-Smirnov 6/6