샘플의 정상 성을 테스트하기 위해 Kolmogorov-Smirnov 테스트를 사용합니다. 예를 들어, 내가통계 테스트 관련 문제
x <- rnorm(1e4, 10, 5)
ks.test(x, "pnorm")
을 수행 할 때 나는 다음과 같은 결과를 얻을 :
D = 0.4556, p-value < 2.2e-16
alternative hypothesis: two-sided
P 값이 거의 0이다 그러나 테스트가 귀무 가설을 받아 들여야하기 때문에 이유를 이해할 수 있습니다 ....
적합성 테스트이므로 Kolmogorov-Smirnov 테스트를 통해 정상 성을 테스트 할 수 있습니다. 그러나 (Maurits Evers가 지적한 바와 같이) Shapiro-Wilk과 같은보다 구체적인 테스트가 더 적합 할 것입니다. 당신이 pnorm으로 이론적 분포 샘플 x의 분포를 비교할 때
, 당신은 매개 변수이 분포을 제공해야합니다. 이 캐스는 평균 및 표준 편차입니다. 여기
당신이해야 무엇 : 이ks.test(x, "pnorm", 10, 5)
편집 : (너무 stats 패키지)이 경우
샤피로-Wilk 테스트를 사용하는 방법의 예는, 그것의 힘은 그대로 보다 KS 하나의이 실시 예에서, x의 길이가되어야한다는 ㄴ
shapiro.test(x)
참고 3 ~ 5000입니다.
KS는 정규성을 테스트하지 않습니다. 대신 Anderson-Darling 또는 Shapiro-Wilk 테스트를보십시오. –
다른 (그러나 개념적으로 더 중요한) 메모에서 위에 결과를 얻는 이유를 이해해야합니다. 너는 무엇을 테스트하고 있는가? 귀무 가설은 무엇입니까? –
참고 : https://stats.stackexchange.com/questions/2492/is-normality-testing-essentially-useless 및 https://www.rdocumentation.org/packages/TeachingDemos/versions/2.10/topics/SnowsPenultimateNormalityTest – Benjamin