0

我需要一些帮助来解释我的 ks.test 输出。我有 28 名参与者，每人掷三个骰子。Vektor g 显示了每人的滚动总数。

g <-c(16, 16, 18, 12, 12, 18, 18, 14,  9, 12, 15, 14, 13, 14, 10,  9, 12, 12, 11, 17, 17, 12,  8, 17, 13, 18, 15,  6)

我想将 g 与实际分布函数进行比较。我使用以下代码生成“真实”分布函数：

library("gtools")
library("dice")
v<-seq(1:15) 
for (i in 3:18) {
  p<-getEventProb(nrolls = 1, ndicePerRoll = 3, nsidesPerDie = 6, eventList= i, orderMatters = FALSE)  
  v[i]<-p
}
v<-v[-c(1,2)]

以下 ks.test 产生的 D 为 1，这是不正确的。

ks.test(g, cumsum(v), alternative = "less")

你能告诉我我哪里做错了吗？非常感谢您的回答！

4

1 回答 1

0

问题是您正在比较两个非常不同的事物：总分的分布（范围从 3-18）和概率分布（范围从 0-1）：

> g
 [1] 16 16 18 12 12 18 18 14  9 12 15 14 13 14 10  9 12 12 11 17 17 12  8 17 13 18 15  6
> v
 [1] 0.00462963 0.01388889 0.02777778 0.04629630 0.06944444 0.09722222 0.11574074 0.12500000 0.12500000 0.11574074
[11] 0.09722222 0.06944444 0.04629630 0.02777778 0.01388889 0.00462963

所以对 KS 来说，这显然是两件截然不同的事情。可能最简单的事情是确定经验分布（参与者总数）中从 3:18 开始的每个总数的频率，并将其与预期的可能分布进行比较。

于 2016-09-02T11:34:54.777 回答