36 개의 값으로 매우 작은 샘플 세트가 있습니다. chi-squared test에 대한 위키 백과의 문서의 두 번째 문장 (강조 추가)에서 :
이 큰 샘플에서 독립 데이터에 적합합니다.
대개이 경우 대문자는 보통 약 100 자 정도입니다. assumptions of this test here에 대해 자세히 알아보십시오.
대안 당신은 Kolmogorov-Smirnov test을 기반으로 matlab에에 kstest
을 시도 할 수 있습니다
다음 Lilliefors test에 기반을 위해 특별히 옵션을 가지고 있습니다
[h,p] = kstest(V,'cdf',[V(:) expcdf(V(:),expfit(V))])
또는 lillietest
을 시도, 지수 분포 데이터 :
샘플 크기를 늘릴 수있는 경우 chi2gof
을 사용하면 문제가 발생합니다. 'cdf'
옵션의 경우 help
에서 :
완전 지정 누적 분포 함수. 이 은 ProbabilityDistribution 개체, 함수 핸들 또는 함수가 될 수 있습니다. 이름. 이 함수는 유일한 인수로 X 값을 가져야합니다. 또는 의 첫 번째 요소가 함수 이름이거나 핸들이고 그 이후 요소가 매개 변수 값인 셀 배열을 셀당 하나씩 제공 할 수 있습니다. 이 함수는 X 값을 첫 번째 인수로 사용하고 다른 매개 변수는 이후 인수로 사용해야합니다.
당신은 너무 expcdf
이 mu = 1
의 매개 변수를 의미하는 기본값을 사용하고, 추가 매개 변수를 제공하지 있습니다. 데이터 값이 매우 커서이 값이 exponential distribution에 모두 일치하지 않습니다. 매개 변수도 추정해야합니다.,
[h,p] = chi2gof(V,'cdf',@(x)expcdf(x,expfit(x)),'nparams',1)
그러나 만 36 샘플이 같은 분배를위한 아주 좋은 평가를 얻을 수 있으며, 아직 예상되지 않을 수 있습니다 : 당신은 maximum likelihood expectation에 맞 ㄴ됩니다 expfit
기능, 당신은 이런 식으로 뭔가를 시도 할 수 있습니다 심지어 예를 들어 알려진 분포에서 샘플링 된 데이터에 대한 결과 :
V = exprnd(10,1,36);
[h,p] = chi2gof(V,'cdf',@(x)expcdf(x,expfit(x)),'nparams',1)
그냥 추측 : 아마도 데이터 벡터 죄송 –
은 그 샘플의 얘기를 깜빡 했네요 너무 작습니다. 원본은 36 가지 요소입니다. 괜찮을거야 ... 너! –