更改

The Kolmogorov–Smirnov test may also be used to test whether two underlying one-dimensional probability distributions differ. In this case, the Kolmogorov–Smirnov statistic is

The Kolmogorov–Smirnov test may also be used to test whether two underlying one-dimensional probability distributions differ. In this case, the Kolmogorov–Smirnov statistic is

Kolmogorov–Smirnov检验也可用于检验两个基本的一维概率分布是否不同。在这种情况下，Kolmogorov-Smirnov统计量为

Kolmogorov–Smirnov检验也可用于检验两个基本的一维概率分布是否不同。在这种情况下，Kolmogorov-Smirnov统计量为

where <math>F_{1,n}</math> and <math>F_{2,m}</math> are the [[empirical distribution function]]s of the first and the second sample respectively, and <math>\sup</math> is the [[Infimum and supremum|supremum function]].

where <math>F_{1,n}</math> and <math>F_{2,m}</math> are the [[empirical distribution function]]s of the first and the second sample respectively, and <math>\sup</math> is the [[Infimum and supremum|supremum function]].

其中F1，n和F2，m分别是第一样本和第二样本的经验分布函数，而sup是最高函数。对于量大的样本，如果满足以下条件，则原假设在α级被拒绝：

其中F1，n和F2，m分别是第一样本和第二样本的经验分布函数，而sup是最高函数。对于量大的样本，如果满足以下条件，则原假设在α级被拒绝：

For large samples, the null hypothesis is rejected at level <math>\alpha</math> if

For large samples, the null hypothesis is rejected at level <math>\alpha</math> if

对于量大的样本，如果满足以下条件，则原假设在α级被拒绝

对于量大的样本，如果满足以下条件，则原假设在α级被拒绝

Where <math>n</math> and <math>m</math> are the sizes of first and second sample respectively. The value of <math>c({\alpha})</math> is given in the table below for the most common levels of <math>\alpha</math>

Where <math>n</math> and <math>m</math> are the sizes of first and second sample respectively. The value of <math>c({\alpha})</math> is given in the table below for the most common levels of <math>\alpha</math>

其中n和m分别是第一样本和第二样本的大小。下表给出了在α级最常见的α值c（α）：

其中n和m分别是第一样本和第二样本的大小。下表给出了在α级最常见的α值c（α）：

and in general by

and in general by

一般而言：

一般而言：

so that the condition reads

so that the condition reads

以至于条件为：

以至于条件为：