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R 孔雀测试实现,r,hypothesis-test,R,Hypothesis Test,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 <-
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。