kstest（）的使用格式及具体案例

`kstest` 是 MATLAB 中用于计算两个随机变量之间的一维 Kolmogorov-Smirnov 测试统计量的函数。这个测试常用于判断样本数据是否可能来自某个特定的概率分布。Kolmogorov-Smirnov 检验主要用于比较连续型数据集与理论分布之间的差异。

使用 `kstest` 的基本格式如下：

[h, p] = kstest(x, 'cdf', cdf_name, [n, tail])

参数说明：
- `x`: 你需要进行检验的实际观测值向量或数组。
- `'cdf'`: 表示我们要用的是累积分布函数 (CDF) 进行检验。其他选项还有 `'pdf'` 对应概率密度函数 (PDF)，但默认情况下是 CDF。
- `cdf_name`: 预期的概率分布名称，如 `'norm'` (正态分布), `'uniform'` (均匀分布) 或自定义函数名（如 @custom_cdf）。
- `[n, tail]` 是可选参数：
- `n`: 如果指定，则为假设的总体大小，如果不指定则认为 `x` 就是整个样本。
- `tail`: 可能有三个选项：`'both'`, `'right'`, `'left'`。默认是 `'both'`，即同时检查左尾和右尾；`'right'` 仅检查右尾（拒绝原假设），`'left'` 仅检查左尾。

例如，如果你想测试一个向量 `data` 是否符合正态分布，你可以这样做：

% 假设的数据
data = randn(100, 1); % 生成100个服从标准正态分布的随机数

% 使用 kstest 进行检验
[h, p] = kstest(data, 'norm');

% h 是统计量，如果小于预设的显著性水平（比如0.05），则拒绝零假设（数据不符合正态分布）
% p 是 p-value，表示在零假设下观察到当前或更极端结果的概率

% 结果通常显示在命令窗口
disp(['KS statistic: ', num2str(h)])
disp(['p-value: ', num2str(p)])