R语言系列:分布一致性和离散一致性检验
2012-11-15 00:00
666 查看
1、分布一致性检验
1.1 连续分布
1.1.1 ks.test(x, y) #Kolmogorov-Smirnov分布一致性检验
#x是数字向量,y若为数字向量,则检验x与y是否分布一致
#y若为连续分布(!)的累积概率函数,则检验x是否与已知分布一致。
#注意累积概率函数还可以带参数
例:
x=rnorm(100, 175, 10); ks.test(x, pnorm, 175, 10);
y=runif(100, 100, 1000); ks.test(y, punif, 100, 1000);
1.1.2 shapiro.test(x) #Shapiro-Wilk正态性检验,样本含量在[3, 5000]之间
1.2离散分布
chisq.test(x, p) #p是与x等长的概率向量,缺省表示x取值概率相等
离散分布的一致性检验实际上是理论频数和实际频数的差别检验
步骤:
利用样本对分布进行参数的点估计
用估计的分布函数计算理论频数
对实际频数和理论频数进行卡方检验
2、离散一致性检验
2.1 非参数方法(基于秩)
2.1.1 mood.test(x, y) #该检验假设两样本中位数相同,因此需要将两个中位数的差异消除再比较
#实际使用如下:
diff=median(x)-median(y); y=y+diff; mood.test(x,y);
2.1.2 ansari.test(x,y) #用于两样本,当数据中有结时会出现警告。也需要将两个中位数的差异消除再比较
2.1.3 fligner.test(x) #x是一个列表(!),用于多样本,不需要消除中位数的差异
2.2 参数方法
var.test(x,y) #用于来自正态总体的两个样本
bartlett.test(x) #用于来自正态总体的多个样本
1.1 连续分布
1.1.1 ks.test(x, y) #Kolmogorov-Smirnov分布一致性检验
#x是数字向量,y若为数字向量,则检验x与y是否分布一致
#y若为连续分布(!)的累积概率函数,则检验x是否与已知分布一致。
#注意累积概率函数还可以带参数
例:
x=rnorm(100, 175, 10); ks.test(x, pnorm, 175, 10);
y=runif(100, 100, 1000); ks.test(y, punif, 100, 1000);
1.1.2 shapiro.test(x) #Shapiro-Wilk正态性检验,样本含量在[3, 5000]之间
1.2离散分布
chisq.test(x, p) #p是与x等长的概率向量,缺省表示x取值概率相等
离散分布的一致性检验实际上是理论频数和实际频数的差别检验
步骤:
利用样本对分布进行参数的点估计
用估计的分布函数计算理论频数
对实际频数和理论频数进行卡方检验
2、离散一致性检验
2.1 非参数方法(基于秩)
2.1.1 mood.test(x, y) #该检验假设两样本中位数相同,因此需要将两个中位数的差异消除再比较
#实际使用如下:
diff=median(x)-median(y); y=y+diff; mood.test(x,y);
2.1.2 ansari.test(x,y) #用于两样本,当数据中有结时会出现警告。也需要将两个中位数的差异消除再比较
2.1.3 fligner.test(x) #x是一个列表(!),用于多样本,不需要消除中位数的差异
2.2 参数方法
var.test(x,y) #用于来自正态总体的两个样本
bartlett.test(x) #用于来自正态总体的多个样本
相关文章推荐
- R语言系列:常见离散分布及相关函数
- Random Number系列:离散随机变量的分布模拟(Inverse Transform方法)
- hbase学习系列1——伪分布模式安装
- 常用连续型分布介绍及R语言实现
- LSH系列一:p稳定分布LSH算法初探
- R语言 生成符合特定分布的随机数据并写入文件
- 蓝牙系列之BlueDroid与MTK代码分布
- Aerospike系列:7:数据分布详解
- R语言多元分析系列
- 常用连续型分布介绍及R语言实现
- P2P普及系列之三:全分布非结构化网络 zz
- Facebook好友分布规律R语言分析
- Random number系列-uniform distribution(是模拟其他分布随机变量的基础)
- R语言系列:数据的基本运算
- 【R语言系列】R语言中矩阵运算
- R语言系列—回归分析
- R语言系列:rgl包安装出错的解决办法
- R语言系列:ggplot2
- 分布式系列——分布系统的一些技术
- R语言系列:字符处理