R 孔雀测试实现

我想比较两种二维分布的统计特性。因此，我想使用孔雀测试（Kolmogorov-Smirnov测试的2D模拟）。有一个名为R的包，它声称要实现它

但该软件包的文档非常稀少，即：

这个包中提供的两个函数：孔雀2和孔雀3是不言自明的，它们的用法很简单

特别是，我找不到

piock（）

函数的输出代表什么（我猜这类似于p值）？ 有没有人测试过这个功能，他们能告诉我它是什么（如果这个功能是可靠的？）

用法示例：

x <- matrix(rnorm(12, 0, 1), ncol=2)
y <-  matrix(rnorm(16, 0, 1), ncol=2)
ks <- peacock2(x, y)
ks

---

x我不知道它是否可靠，但代码看起来相当简单

现在坏消息是：基于
？孔雀2
，函数给您的是

价值：

检验统计量的值

这意味着它没有给你p值。“天文学中的二维拟合优度测试”，
JA Peackok，《皇家天文学会月报》，1983年），给出了一个由蒙特卡罗模拟得出的临界值表和一个分析近似值。为了从测试统计量中获得p值，您必须（1）将测试统计量D转换为Z统计量（第3.5节规定，如果两个样本测试的n值均大于10，则两个样本测试的Z=sqrt（n1*n2/（n1+n2））*D

），然后建议您可以通过

p（>Z）=2*exp（-2*（Z-0.5）^2）来近似此值

如果你打算使用它，我肯定会建议你阅读原稿，并仔细检查/推导它。
谢谢！我在路上读报纸（我没有太多的热情）：）William H.Press和Saul A.Teukolsky的论文《二维数据的Kolmogorov-Smirnov检验》或其《C中的数值公式》第14.7节给出了一个计算显著性水平近似值的简单公式，该公式显然适用于N>20。