學習筆記，僅供參考，有錯必糾

參考自：《R的極客理想》-- 張丹

---

文章目錄

• • R開發
  • • 分布檢驗

---

R開發

分布檢驗

• 均勻分布的分布檢驗

Kolmogorov-Smirnov連續分布檢驗是檢驗單一樣本是不是服從某一預先假設的特定分布的方法。把樣本數據的累計頻數分布與特定理論分布相比較，若兩者間的差距很小，則推論該樣本取自某特定分布族。

均勻分布檢驗的原假設為H0：數據集符合均勻分布；

備擇假設為H1：樣本所來自的總體分布不符合均勻分布。

R實現：

#生成服從均勻分布的1000個點 S <- runif(1000) ks.test(S, "punif") #輸出One-sample Kolmogorov-Smirnov testdata: S D = 0.027784, p-value = 0.4229 alternative hypothesis: two-sided

p值>0.05，不能拒絕數據集符合均勻分布的原假設。

• 正態分布的分布檢驗

Shapiro-Wilk正態分布檢驗用來檢驗數據是否符合正態分布，同線性回歸的方法一樣，是檢驗其與回歸曲線的殘差。

R實現：

#生成服從正態分布的1000點 S <- rnorm(1000) shapiro.test(S) #輸出Shapiro-Wilk normality testdata: S W = 0.99785, p-value = 0.2261

p值>0.05，不能拒絕數據集符合正態分布的原假設。這里用Kolmogorov-Smirnov進行檢驗得到的結果是一樣的。

總結

以上是生活随笔為你收集整理的R开发(part4)--分布检验与R语言的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。