So führen sie laufzeittests in r durch

Bei einem Lauftest handelt es sich um einen statistischen Test, mit dem festgestellt wird, ob ein Datensatz aus einem zufälligen Prozess stammt oder nicht.

Die Null- und Alternativhypothese des Tests lauten wie folgt:

H ₀ (null): Die Daten wurden zufällig erstellt.

H _a (alternativ): Die Daten wurden nicht zufällig generiert.

In diesem Tutorial werden zwei Methoden erläutert, mit denen Sie Testläufe in R durchführen können. Beachten Sie, dass beide Methoden zu denselben Testergebnissen führen.

Methode 1: Führen Sie den Test mit der snpar -Bibliothek aus

Die erste Möglichkeit, den Run-Test durchzuführen, ist die Verwendung der Funktion „runs.test()“ aus der snpar- Bibliothek, die die folgende Syntax verwendet:

runs.test(x, Exact = FALSE, Alternative = c(„two.side“, „less“, „larger“))

Gold:

• x: ein numerischer Vektor von Datenwerten.
• exakt: Gibt an, ob ein exakter p-Wert berechnet werden soll. Dies ist standardmäßig FALSE. Wenn die Anzahl der Ausführungen klein genug ist, können Sie sie auf TRUE ändern.
• Alternative: gibt die Alternativhypothese an. Die Standardeinstellung ist doppelseitig.

Der folgende Code zeigt, wie der Run-Test mit dieser Funktion in R durchgeführt wird:

 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

Der p-Wert des Tests beträgt 0,5023 . Da dieser nicht kleiner als α = 0,05 ist, können wir die Nullhypothese nicht ablehnen. Wir haben genügend Beweise dafür, dass die Daten zufällig generiert wurden.

Methode 2: Führen Sie den Test mit der Randtests- Bibliothek aus

Die zweite Möglichkeit, den Run-Test durchzuführen, ist die Verwendung der Funktion „runs.test()“ aus der Bibliothek „randtests “, die die folgende Syntax verwendet:

runs.test(x, alternative = c(„beide Seiten“, „weniger“, „größer“))

Gold:

• x: ein numerischer Vektor von Datenwerten.
• Alternative: gibt die Alternativhypothese an. Die Standardeinstellung ist doppelseitig.

Der folgende Code zeigt, wie der Run-Test mit dieser Funktion in R durchgeführt wird:

 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

Auch hier beträgt der p-Wert für den Test 0,5023 . Da dieser nicht kleiner als α = 0,05 ist, können wir die Nullhypothese nicht ablehnen. Wir haben genügend Beweise dafür, dass die Daten zufällig generiert wurden.