Kolmogorov-Smirnov或卡方測試的分佈？

我使用模型擬合來將負二項式分佈擬合到我的離散數據中。作爲最後一步，我需要執行Kolmogrov-Smirnov測試來確定模型是否適合數據。我可以找到的所有參考文獻談到使用測試正常分佈連續數據。有人能告訴我這是否可以在R中完成不正常分佈和離散的數據？（即使是卡方檢驗應該做的我猜，但請糾正我，如果我錯了。）Kolmogorov-Smirnov或卡方測試的分佈？

UPDATE：

所以我發現vcd包包含一個函數goodfit，可以是

library(vcd) 

# Define the data 
data <- c(67, 81, 93, 65, 18, 44, 31, 103, 64, 19, 27, 57, 63, 25, 22, 150, 
      31, 58, 93, 6, 86, 43, 17, 9, 78, 23, 75, 28, 37, 23, 108, 14, 137, 
      69, 58, 81, 62, 25, 54, 57, 65, 72, 17, 22, 170, 95, 38, 33, 34, 68, 
      38, 117, 28, 17, 19, 25, 24, 15, 103, 31, 33, 77, 38, 8, 48, 32, 48, 
      26, 63, 16, 70, 87, 31, 36, 31, 38, 91, 117, 16, 40, 7, 26, 15, 89, 
      67, 7, 39, 33, 58) 

gf <- goodfit(data, type = "nbinomial", method = "MinChisq") 
plot(gf)

但gf <- ...步驟之後，R笙歌說：以下列方式用於此目的

Warning messages: 
1: In pnbinom(q, size, prob, lower.tail, log.p) : NaNs produced 
2: In pnbinom(q, size, prob, lower.tail, log.p) : NaNs produced 
3: In pnbinom(q, size, prob, lower.tail, log.p) : NaNs produced

當我說plot它抱怨：

Error in xy.coords(x, y, xlabel, ylabel, log) : 
    'x' is a list, but does not have components 'x' and 'y'

我不知道發生了什麼事，因爲如果我設置data是以下幾點：

data <- <- rnbinom(200, size = 1.5, prob = 0.8)

一切工作正常。有什麼建議麼？

來源

2010-12-02 Legend

屬於http://stats.stackexchange.com/ – MSalters 2010-12-02 08:19:58

KS-Test僅適用於連續變量，並且您必須完全指定要測試的分佈。如果你還是想做到這一點，就應該是這樣的：

ks.test(data, pnbinom, size=100, prob=0.8)

它比較的data對指定的一個經驗累積分佈函數（無論是有道理的可能取決於你的數據）。根據理論考慮，您必須選擇size和prob的參數，如果您根據數據估算這些參數，則該測試無效。

您的問題可能與您的數據有關，您確定這些都是重要的嗎？ barplot(table(data))看起來不像是大約在負二項式分佈之後，與例如barplot(table(rnbinom(200, size = 1.5, prob = 0.8)))

進行比較最後，我不確定在擬合後進行空假設檢驗的方法是否合適。您可能想要查看超出/基於其中有許多（RMSEA，SRMR，...）的$ \ chi^2 $的量化擬合度量。

來源

2010-12-02 10:02:07 caracal

Kolmogorov-Smirnov或卡方測試的分佈？

回答

相關問題