私のデータセットでは15回の観測があり、この分布が0.54の指数分布で表現できるかどうかをテストしたいと思います。次のように 変数xは、次のとおりです。指数分布のカイ二乗検定の使い方R
table(x)
x
0 1 2 4 5 7 8 10
2 1 4 2 2 2 1 1
Rでこれを実装する方法任意のアイデア?
私のデータセットでは15回の観測があり、この分布が0.54の指数分布で表現できるかどうかをテストしたいと思います。次のように 変数xは、次のとおりです。指数分布のカイ二乗検定の使い方R
table(x)
x
0 1 2 4 5 7 8 10
2 1 4 2 2 2 1 1
Rでこれを実装する方法任意のアイデア?
我々は(理論上の定義と)我々はまた、これを試すことができ
set.seed(1)
observed <- c(2, 1, 4, 2, 2, 2, 1, 1)
prob.exp <- dexp(c(0, 1, 2, 4, 5, 7, 8, 10), rate=0.54) # prob for the exp dist. variable for the values
chisq.test(observed, p=prob.exp, rescale.p = TRUE)
#X-squared = 73.523, df = 7, p-value = 2.86e-13
ような何かを試すことができます:予想通り
set.seed(1)
observed <- c(2, 1, 4, 2, 2, 2, 1, 1)
prob.exp <- dexp(c(0, 1, 2, 4, 5, 7, 8, 10), rate=0.54)
prob.exp <- prob.exp/sum(prob.exp) # normalize
expected <- sum(observed)*prob.exp
# expected frequency of the values
chisq.stat <- sum((observed-expected)^2/expected)
# [1] 73.52297
1-pchisq(sum(chisq.stat),df=8-1)
# [1] 2.859935e-13
は、彼らが正確に適合度のために(、帰無仮説を同じ結果を与えますテストは拒否されているため、データはディストリビューションからのものではありません)
aaログリンク(測定レベルでの指数分布)を数値「名前」と、その値のテーブルの観測値との差をlog(rate)で示す。ログのオフセット(率)の添加が0よりも大きく異なる切片を持っている場合、特定の仮説が棄却される(そして、それは...ではありません):
summary(glm(vals ~ nm+offset(rep(0.54, 8)) ,family=poisson))
Call:
glm(formula = vals ~ nm + offset(rep(0.54, 8)), family = poisson)
Deviance Residuals:
Min 1Q Median 3Q Max
-0.9762 -0.3363 -0.1026 0.1976 1.1088
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 0.36468 0.40787 0.894 0.371
nm -0.06457 0.08027 -0.804 0.421
(Dispersion parameter for poisson family taken to be 1)
Null deviance: 3.3224 on 7 degrees of freedom
Residual deviance: 2.6593 on 6 degrees of freedom
AIC: 26.38
Number of Fisher Scoring iterations: 4
これは、少なくとも、DUP @akrunではありませんあなたが与えたリンクは、データが特定の分布から引き出されているかどうかを見つけるためにカイ2乗検定を使用しません。 –
@akrun申し訳ありませんが、私は重複した質問だと思っていません!質問をよくお読みください。 – brock
@SandipanDeyそれは誰かが偽のリンクを転送し、それをタグ付けしたものです。それはすべてです – akrun