Kolmogorov-Smirnov检验：当存在联系时，应用于离散变量的两样本检验的精确p值

我从不同的地方得到了两个样本。我感兴趣的参数是离散的（频率）。我对两个站点都做了模拟，所以我知道每个站点的随机分布概率。由于我的模拟，我知道我的参数与其平均值的偏差不是正态分布的，所以我进行了参数测试。我用一个样本Kolmogorov-Smirnov检查样本是否来自这些随机分布（示例数据，非真实）：

如果我理解正确（2001），有一种方法可以通过蒙特卡罗模拟计算出精确的p值，即通过断开连接。如果我正确理解dgof包的包描述，它的蒙特卡罗模拟实现只适用于一个样本测试

所以我的问题是：当存在联系时，有人知道如何计算离散变量的两样本Kolmogorov-Smirnov检验在R中的精确p值吗

或者（虽然与R无关）：如果没有人知道如何在可承受的工作量下完成这项工作，我会选择未修正的p值，并因此谨慎地讨论结果。但p值低于0.0001。事实上，我并不过分担心。但是我知道什么。。。你认为这是对的还是我在这件事上犯了严重的错误

---

提前感谢，在此之前我已经感谢您的阅读。

如评论中所述，实现引导Kolmogorov-Smirnov，即使用

nboots

参数对任意数量的重新采样进行蒙特卡罗模拟。我想这会给你你所需要的。

根本不知道你是否可以在这里申请KS。
Kolmogorov-Smirnov是一种非参数检验，仅适用于连续的x和y数据。我猜你的样本1和样本2不够连续。引用

？统计：：ks.test

如果y是数字，则对x和y的零假设进行两个样本检验 从相同的连续分布中提取

另见：

解决方案：尝试执行卡方拟合优度测试
在

R

中，您可以使用

？chisq.test

理论可以在这里找到，例如：

---

看看。如果离散观测值在两个数据集中不相同，则Chisq.test可能不适用于这两个数据集，因为您需要先建立一个列联表？@iraserd:Thants不幸的是，有些相关，。自我激励让我走上了正确的方向，而且这个方案似乎在社区中得到了广泛的接受，因此我将以奖金奖励这个答案。感谢奖金。是工具箱中最强大的统计技术之一。我鼓励每个人都去调查一下。谢谢你的建议。上面提到的包裹看起来正是我想要的。我肯定也会仔细研究引导。

sample1 <- rep(1:5, c(25, 12, 12, 0, 1))
rand.prob1 <- c(.51, .28, .111, .08, 0.019)
StepProb1 <- stepfun(0:4, c(0, cumsum(rand.prob1)), right = T)
dgof::ks.test(sample1, StepProb1)

sample2 <- rep(1:5, c(19, 13, 10, 5, 3))
rand.prob2 <- c(.61, .18, .14, .05, 0.02)
StepProb2 <- stepfun(0:4, c(0, cumsum(rand.prob2)), right = T)
dgof::ks.test(sample2, StepProb2)

stats::ks.test(sample1, sample2)
dgof::ks.test(sample1, sample2)