적합 테스트를 사용하여 카이 제곱 분포를 생성하려고합니다.적합도 테스트를 사용하여 카이 제곱 분포 생성
null.probs=c(0.17,0.37,0.23,0.23);
chi.sq.data <- numeric()
M=1000
samp.size=740
for (k in 1:M) {
samp.data = sample(c("Often","Some","Hardly","Never"),
size=samp.size,
replace=TRUE,
prob=null.probs)
E=samp.size*null.probs;
chi.sq.data[k] <- sum((table(samp.data)-E)^2/E)
}
hist(chi.sq.data,prob=TRUE)
분명히 내 생각이 잘못되었습니다.
어떤 제안이?
다음은 제안 된 제안 덕분입니다.
null.probs=c(0.17,0.37,0.23,0.23);
chi.sq.data <- numeric()
M=1000
samp.size=740
for (k in 1:M) {
samp.data = sample(c("Often","Some","Hardly","Never"),
size=samp.size,
replace=TRUE,
prob=null.probs)
n.Often=sum(samp.data=="Often")
n.Some=sum(samp.data=="Some")
n.Hardly=sum(samp.data=="Hardly")
n.Never=sum(samp.data=="Never")
O=c(n.Often,n.Some,n.Hardly,n.Never)
E=samp.size*null.probs
chi.sq.data[k] <- sum((O-E)^2/E)
}
hist(chi.sq.data,prob=TRUE,breaks="FD")
curve(dchisq(x,3),0,max(chi.sq.data),col="red",add=TRUE)
그리고 결과 이미지.
나는'? rchisq'를 직접 할 수있는 것처럼 느껴진다.'? distributions'을 보라. R에 들어있는 것들이 많이있다. –