问题标签 [hypothesis-test]

我是统计学的新手。我正在尝试一个样本 Kolmogorov-Smirnov 测试。我能找到直到 D max。但是我很困惑继续进行假设检验。

为了确定假设，我应该向前推进——

表中的临界值

如果检验统计量 D 大于从表中获得的临界值，则拒绝

或者

KS Statustic 值的 p 值。

哪个更好？读到 p 值更好。在此他们告诉“ kstest 决定通过将 p 值 p 与显着性水平 Alpha 进行比较来拒绝零假设，而不是通过将检验统计量 ksstat 与临界值 cv 进行比较。由于 cv 是近似值，因此将 ksstat 与 cv 进行比较偶尔会导致与比较 p 和 Alpha 不同的结论。 ”

但找不到任何关于相同的方程。

参考

在上述参考文献中，我怀疑他们是否将 D max 作为 p 值。

请指教

我在lm()使用股票报价时使用 R 进行回归。我使用指数权重进行回归：数据越旧，权重越小。我的权重公式是这样alpha^(seq(685,1,by=-1)))的：（数据长度为 685），为了找到 alpha，我尝试了 0.9 到 1.1 之间的每个值，步长为 0.0001，我选择了最小化预测值和实际值之间差异的 alpha。这个 alpha 等于 0.9992，所以我想知道它在统计上是否与 1 不同。

换句话说，我想知道权重是否不同于 1。是否有可能实现这一点，如果可以，我该怎么做？

我真的不知道是否应该问这个问题，stats.stackexchange但它涉及R所以我希望它不会放错地方。

我正在尝试执行 KS 测试以评估将 Pearson III 分布拟合到我的数据的适用性。fitdist使用包中实现的mlefitdistrplus我们获得可以直接插入的参数估计ks.test：

这工作正常。

旁白：我知道使用数据中的参数估计执行 KS 测试会使测试无效。我省略了我用来解决这个问题的模拟过程，以确保我的问题的清晰性和代码的简单性。

现在，计算 L 矩：

ks.test需要使用pgamma3只接受shape、scale和thres参数的函数。我的问题是如何适应ks.test使用 L 矩而不是 mle 估计？

我刚刚开始使用工具来查找应用程序中的内存泄漏，任何人都可以建议我如何修复仪器中提到的泄漏。

实际上我得到如下屏幕所示

任何人都可以建议我修复的步骤..

我在这里提到过： 仪器和调试，但无法解决这个问题..

在这里，它建议创建假设来估计时间消耗..有人知道如何创建这个吗？

泊松电子测试是否有 Python 实现？对于二项式 scipy 的Fisher 精确检验为 stats.fisher_exact，对于高斯 scipy.stats 的Welch 的 T 检验为 ttest_ind。我似乎找不到任何 Python 实现来比较两个泊松。

上下文看这里

对于算法看这里

对于 R 实现看这里

我正在尝试使用引导置信区间进行一些假设检验，但是在设置引导时遇到了一些麻烦。目标是在 theta=1 和 0.05 级别测试空值。我提供了下面使用的数据样本：

在引导程序中，我还尝试使用以下数值优化dpois(data,lambda=exp(x)：我提供了我在下面生成的代码：

错误如下：

bootxbar[i] <- function(x) dpois(y, lambda = exp(x)) 中的错误：子赋值类型修复中的不兼容类型（从闭包到逻辑）

我对比较独立手段的不同稳健方法感到困惑。我在统计教科书中找到了很好的解释。例如yuen()，在样本量相等的情况下。我的样本相当不平等，因此我想尝试一种 bootstrap-t 方法（来自 Wilcox 书籍：Robust Estimation and Hypothesis Testing 简介，第 163 页）。它说这yuenbt()将是一个可能的解决方案。

但是所有教科书都说我可以在这里使用向量：

如果我检查本地描述，它会说：

我的试验有什么问题：

为什么我的两个向量不能使用 yuenbt 函数？非常感谢你

我正在尝试为比例测试创建一个模拟，看看我多久会得到一个显着的结果（即 p/value < 0.05）。我假设人口规模不相等，例如

在这里，我有 100 个模拟测试，测试群体中有 5000 个，对照组中有 10000 个，转换率存在实际差异（测试为 0.05，控制为 0.04）。

我现在想为这些模拟测试中的每一个运行一个比例测试并获得 p 值。所以对于第一个测试，我会做：

然后我用 for 循环遍历它以获得每个模拟测试的 p 值。

我希望以更紧凑的方式做到这一点。我在这里找到了一种使用 Map 进行 1 样本比例测试的方法，但我不知道如何进行 2 样本测试。看起来我应该能够在一行中完成它，并且只需得到一个 p 值向量作为输出。

我尝试了以下

但它给了我 200 个 1 样本比例测试，而不是 100 个 2 样本比例测试......我能做些什么来解决它？

理想情况下，我会得到一个长度为 100 且带有 p.values 的向量，这样我就可以检查哪个部分低于 5%，这就是测试能力。

我们有样本数据，我们设法确定了它遵循的分布类型（广义极值）及其参数（K、Sigma、Mu）

我们从具有相同参数和相同范围（23.1 到 105.64 之间）的相同分布中生成了 n 个样本（10000）

如何确保生成的数据遵循样本的给定分布？

注意：（比较 mu、sigma、均值和标准差给出了非常不同的数字）

提前致谢

我正在阅读线性回归教科书，并试图复制一般线性假设检验部分的结果，但我需要一些关于如何在 R 中这样做的帮助。

我已经看过许多其他帖子，但希望有人能给我一些示例代码。我有关于 26 个主题的数据，其形式如下：

鉴于此数据，我试图测试适合三组受试者的回归线是否具有共同的斜率。假设的模型是：

所以感兴趣的假设是 H0：β1 = γ1 = δ1

我一直在尝试使用汽车库中的 linearHypothesis 函数来执行此操作，但一直无法知道模型对象应该是什么，并且不确定这是要使用的正确方法（或包）。

任何帮助将不胜感激 - 谢谢！