我正在使用 R 软件（自举 Kolmogorov-Smirnov 测试）对非常大的数据集进行一些统计分析，这意味着我的 p 值都非常小。我已经对我执行的大量测试进行了 Bonferroni 校正，这意味着我的 alpha 值也非常小，以拒绝零假设。
问题是，在某些情况下，R 给我的 p 值为 0，其中 p 值可能太小以至于无法呈现（这些通常用于非常大的样本量）。虽然我可以很高兴地拒绝这些测试的零假设，但数据是为了发布，所以我需要写 p < ..... 但我不知道 R 中的最低可报告值是多少？
我正在使用该ks.boot功能以防万一。
任何帮助将非常感激！
.Machine$double.xmin给你最小的非零归一化浮点数。在大多数系统上是 2.225074e-308。但是，我不认为这是一个合理的限制。
相反，我建议Matching::ks.boot你改行
ks.boot.pval <- bbcount/nboots至
ks.boot.pval <- log(bbcount)-log(nboots)并在对数尺度上工作。
编辑：
可以trace用来修改函数。
第 1 步：查看函数体，找出添加附加代码的位置。
as.list(body(ks.boot))
您会看到元素 17 是ks.boot.pval <- bbcount/nboots，因此我们需要在其后直接添加修改后的代码。
第二步：trace函数。
trace (ks.boot, quote(ks.boot.pval <- log(bbcount)-log(nboots)), at=18)
第 3 步：现在您可以使用ks.boot，它将返回引导 p 值的对数为ks.boot.pvalue. 请注意，您不能使用，summary.ks.boot因为它会调用format.pval，这不会向您显示负值。
第 4 步：使用untrace(ks.boot)删除修改。
我不知道ks.boot包中是否有方法，Rmpfr或者gmp 如果有，或者您想滚动自己的代码，您可以使用任意精度和任意大小的数字。