如何在 r 中执行运行时测试

运行测试是一种统计测试，用于确定数据集是否来自随机过程。

检验的原假设和备择假设如下：

H ₀ （空）：数据是随机产生的。

H _a （替代）：数据不是随机生成的。

本教程介绍了两种可用于在 R 中执行测试运行的方法。请注意，这两种方法都会产生相同的测试结果。

方法1：使用snpar库运行测试

执行运行测试的第一种方法是使用snpar库中的running.test()函数，该函数使用以下语法：

runs.test(x, 精确 = FALSE, 替代 = c(“two.side”, “less”, “larger”))

金子：

• x：数据值的数值向量。
• 精确：指示是否应计算精确的 p 值。默认情况下这是 FALSE。如果执行次数足够小，可以将其更改为 TRUE。
• 替代：表示替代假设。默认是双面的。

以下代码显示了如何在 R 中使用此函数执行运行测试：

 library(snpar)

#create dataset
data <- c(12, 16, 16, 15, 14, 18, 19, 21, 13, 13)

#perform Run's test
runs.test(data)

	Approximate runs rest

data:data
Runs = 5, p-value = 0.5023
alternative hypothesis: two.sided

检验的 p 值为0.5023 。由于该值不小于 α = 0.05，因此我们无法拒绝原假设。我们有足够的证据表明数据是随机生成的。

方法2：使用randtests库运行测试

执行运行测试的第二种方法是使用randtests库中的running.test()函数，该函数使用以下语法：

running.test(x, Alternative = c(“双方”, “更少”, “更大”))

金子：

• x：数据值的数值向量。
• 替代：表示替代假设。默认是双面的。

以下代码显示了如何在 R 中使用此函数执行运行测试：

 library(randtests)

#create dataset
data <- c(12, 16, 16, 15, 14, 18, 19, 21, 13, 13)

#perform Run's test
runs.test(data)

	Test Runs

data:data
statistic = -0.67082, runs = 5, n1 = 5, n2 = 5, n = 10, p-value =
0.5023
alternative hypothesis: nonrandomness

同样，测试的 p 值为0.5023 。由于该值不小于 α = 0.05，因此我们无法拒绝原假设。我们有足够的证据表明数据是随机生成的。