Cara melakukan pengujian runtime di r

Run pengujian adalah uji statistik yang digunakan untuk menentukan apakah suatu kumpulan data berasal dari proses acak atau tidak.

Hipotesis nol dan alternatif dari pengujian tersebut adalah sebagai berikut:

H ₀ (null): data dihasilkan secara acak.

H _a (alternatif): Data tidak dihasilkan secara acak.

Tutorial ini menjelaskan dua metode yang dapat Anda gunakan untuk melakukan Uji Coba di R. Perhatikan bahwa kedua metode memberikan hasil pengujian yang sama.

Metode 1: Jalankan pengujian menggunakan perpustakaan snpar

Cara pertama untuk melakukan pengujian Jalankan adalah dengan menggunakan fungsi run.test() dari pustaka snpar , yang menggunakan sintaksis berikut:

run.test(x, tepat = SALAH, alternatif = c(“dua.sisi”, “kurang”, “lebih besar”))

Emas:

• x: vektor numerik dari nilai data.
• tepat: Menunjukkan apakah nilai p yang tepat harus dihitung. Ini SALAH secara default. Jika jumlah eksekusinya cukup kecil, Anda dapat mengubahnya menjadi TRUE.
• alternatif: menunjukkan hipotesis alternatif. Standarnya adalah dua sisi.

Kode berikut menunjukkan cara melakukan uji Jalankan menggunakan fungsi ini di R:

 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

Nilai p dari tes ini adalah 0,5023 . Karena ini tidak kurang dari α = 0,05, kita gagal menolak hipotesis nol. Kami memiliki cukup bukti untuk mengatakan bahwa data tersebut dihasilkan secara acak.

Metode 2: Jalankan pengujian menggunakan pustaka randtests

Cara kedua untuk melakukan pengujian Jalankan adalah dengan menggunakan fungsi run.test() dari pustaka randtests , yang menggunakan sintaksis berikut:

run.test(x, alternatif = c(“kedua sisi”, “kurang”, “lebih besar”))

Emas:

• x: vektor numerik dari nilai data.
• alternatif: menunjukkan hipotesis alternatif. Standarnya adalah dua sisi.

Kode berikut menunjukkan cara melakukan uji Jalankan menggunakan fungsi ini di R:

 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

Sekali lagi, nilai p untuk tes ini adalah 0,5023 . Karena ini tidak kurang dari α = 0,05, kita gagal menolak hipotesis nol. Kami memiliki cukup bukti untuk mengatakan bahwa data tersebut dihasilkan secara acak.