R 利用拟合优度检验生成卡方分布

我正在尝试使用拟合优度测试生成卡方分布

null.probs=c(0.17,0.37,0.23,0.23);
chi.sq.data <- numeric()

M=1000
samp.size=740
for (k in 1:M) {
  samp.data = sample(c("Often","Some","Hardly","Never"),
                     size=samp.size,
                     replace=TRUE,
                     prob=null.probs)
  E=samp.size*null.probs;
  chi.sq.data[k] <- sum((table(samp.data)-E)^2/E)
}

hist(chi.sq.data,prob=TRUE)

null.probs=c（0.17,0.37,0.23,0.23）；
chi.sq.data按照编码的方式，您是按照
c（“经常”、“一些”、“几乎”、“从不”）
的顺序分配期望值，但如果您查看任何单次运行，请注意，表不知道顺序是什么，所以它只是按字母顺序排列：
c（“几乎”、“从未”、“经常”、“一些”）

若你们真的正确地调整你们的期望值，那个么事情就应该解决了

但是如果你的唯一目标是生成卡方，那么
rcisq
是一个更好的选择。
@Dason是正确的。此外，由于生成的数据不包含null值，因此（可能）将从空值生成卡方统计数据。此外，值得注意的是，卡方统计的实际行为只能近似于（任何）卡方分布。这是因为，由于您的数据是离散的，但分布是连续的，因此您的数据实现的可能性只有这么多，但卡方分布中存在无限可能的值，这些值在您的设置中不可能出现在您的数据中（尽管N=740，近似值应该是合理的）。有关此问题的更多信息，请在此处阅读我的答案（在stats.SE上）：。你最好去使用
 我觉得你可以直接用
？rchisq
查看
？发行版
直接做到这一点。R中有很多发行版。观察得很好。我已经编辑了我的问题以显示解决方案。我知道我可以使用RCISQ，但那不是我想要的。我们的目标不是简单地画一幅chisq分布图，而是显示拟合优度过程，如果应用于大量样本，将生成chisq分布。多亏了你的观察，我才使它起作用。
null.probs=c(0.17,0.37,0.23,0.23);
chi.sq.data <- numeric()

M=1000
samp.size=740
for (k in 1:M) {
  samp.data = sample(c("Often","Some","Hardly","Never"),
                     size=samp.size,
                     replace=TRUE,
                     prob=null.probs)
  n.Often=sum(samp.data=="Often")
  n.Some=sum(samp.data=="Some")
  n.Hardly=sum(samp.data=="Hardly")
  n.Never=sum(samp.data=="Never")
  O=c(n.Often,n.Some,n.Hardly,n.Never)
  E=samp.size*null.probs
  chi.sq.data[k] <- sum((O-E)^2/E)
}


hist(chi.sq.data,prob=TRUE,breaks="FD")
curve(dchisq(x,3),0,max(chi.sq.data),col="red",add=TRUE)