首先,我实际上不确定这是否属于 CrossValidated 还是属于 StackOverflow。如果我在错误的网站上发布了此问题,我深感抱歉。
我正在使用 R 将多个数据集与观测数据集进行比较。每个数据集都有大约 1000 万个连续浮点值(每个数据集的数据向量长度并不完全相同)。
我通常使用 ks.test()
计算 Kolmogorov-Smirnov 统计量标准功能stats
包,但现在我对分布的极值特别感兴趣。据我了解,KS 几乎隐藏了这些。 Kullback-Leibler 也会发生同样的情况(如果我错了,请随时纠正我)。
另一方面,Anderson-Darling 检验经过加权以考虑分布的极值。但是,我无法找到仅适用于两个向量作为输入的 AD 测试的简单实现(如 stats::ks.test()
通过仅发出 ks.test(obs.data, mod.data)
来实现,其中两个输入是简单向量),而且我都没有“已经能够了解如何使我的数据适应我尝试过的功能。
我查看了以下函数:
-
cvm.test()
从包装dgof
,带有选项type="A2"
:需要分布作为第二个输入,而不是向量 -
ad.test()
从包装truncgof
:需要一个分布作为第二个输入 -
ad.test()
从包装goftest
: 如上所述 -
ad.test()
从包装ADGofTest
: 如上所述 -
ad.test()
从包装kSamples
:在这种情况下,我不清楚输出代表什么,以及如何对其进行标准化,因为它似乎严重依赖于样本数量 -
ad.test()
从包装nortest
:仅测试正态性 -
ADbootstrap.test()
从包装homtest
:这似乎与标准 AD 测试有很大不同
总之,以上都不能像标准 ks.test()
那样简单地使用函数或作为 Kullbach-Leibler 函数 KLdiv
从包装 flexmix
(它接受密度值矩阵)。
如何使用 R 计算两个分布之间的 AD 统计量(仅作为连续数据的两个向量提供)?
最佳答案
我不是统计学专家,最近正在学习AD测试,和你有同样的问题。阅读了一些文章后,我有点知道如何通过 kSamples
解释 ad.test()
的结果。
最初的AD测试是为了检验一个数字样本是否属于某个分布。因此,为了比较两个样本(或更多),我们应该使用以 k 样本方式进行测试的函数,而不是原来的方式。
如果您将两个向量输入到 kSamples
包中的 ad.test()
中:
library(kSamples)
x <- ad.test(c(1,2,3,4,5), c(11,22,33,44,55))
结果给你一个矩阵:
print(x)
Anderson-Darling k-sample test.
Number of samples: 2
Sample sizes: 5, 5
Number of ties: 0
Mean of Anderson-Darling Criterion: 1
Standard deviation of Anderson-Darling Criterion: 0.63786
T.AD = ( Anderson-Darling Criterion - mean)/sigma
Null Hypothesis: All samples come from a common population.
AD T.AD asympt. P-value
version 1: 3.913 4.566 0.00517
version 2: 4.010 4.726 0.00452
或者,
x$ad
AD T.AD asympt. P-value
version 1: 3.9127 4.5664 0.0051703
version 2: 4.0100 4.7260 0.0045199
AD 是 Anderson-Darling 统计量,通过相应的方程计算得出。 ( ref article ), T.AD 通过 (AD-(k-1))/sigma 计算,其中 (k-1) 表示零假设下 AD 统计量的极限分布是 (k-1) 倍卷积单样本 AD 统计量的渐近分布; sigma 是 AD 统计量的标准差。然后渐近。 P 值将是我们正在寻找的“p 值”。对于行,版本 1 表示连续群体中的 k 样本 AD 检验,版本 2 表示离散父群体中的 k 样本 AD 检验。所以我猜测,如果您的数据是连续的,您应该采用第一行的 p 值,如果它是离散的,则应采用第二行。
关于r - 计算 R 中连续分布的 Anderson-Darling 检验统计量,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/31133870/