<\/p>\n
Uji Kolmogorov-Smirnov<\/strong> digunakan untuk menguji apakah suatu sampel berasal dari distribusi tertentu atau tidak.<\/span><\/p>\n Untuk melakukan pengujian Kolmogorov-Smirnov satu atau dua sampel di R, kita dapat menggunakan fungsi ks.test()<\/a> .<\/span><\/p>\n Tutorial ini menunjukkan contoh cara menggunakan fitur ini dalam praktik.<\/span><\/p>\n Misalkan kita memiliki contoh data berikut:<\/span><\/p>\n Terkait:<\/strong> Panduan untuk dpois, ppois, qpois, dan rpois di R<\/a><\/span><\/p>\n Kode berikut menunjukkan cara melakukan uji Kolmogorov-Smirnov pada sampel 100 nilai data ini untuk menentukan apakah berasal dari distribusi normal:<\/span><\/p>\n Dari hasilnya, kita dapat melihat bahwa statistik uji adalah 0,97725<\/strong> dan nilai p yang sesuai adalah 2,2e-16<\/strong> . Karena nilai p kurang dari 0,05, kami menolak hipotesis nol. Kami memiliki cukup bukti untuk mengatakan bahwa data sampel tidak berasal dari distribusi normal.<\/span><\/p>\n Hasil ini seharusnya tidak mengejutkan karena kami membuat data sampel menggunakan fungsi rpois()<\/strong> , yang menghasilkan nilai acak yang mengikuti distribusi Poisson<\/a> .<\/span><\/p>\n Katakanlah kita memiliki dua contoh kumpulan data berikut:<\/span><\/p>\n Kode berikut menunjukkan cara melakukan uji Kolmogorov-Smirnov pada kedua sampel tersebut untuk menentukan apakah keduanya berasal dari distribusi yang sama:<\/span><\/p>\n Dari hasilnya, kita dapat melihat bahwa statistik pengujian adalah 0,99<\/strong> dan nilai p yang sesuai adalah 1,299e-14<\/strong> . Karena nilai p kurang dari 0,05, kami menolak hipotesis nol. Kami memiliki cukup bukti untuk mengatakan bahwa kedua kumpulan data sampel tersebut tidak berasal dari distribusi yang sama.<\/span><\/p>\n Hasil ini juga tidak mengherankan karena kami menghasilkan nilai untuk sampel pertama menggunakan distribusi Poisson dan nilai untuk sampel kedua menggunakan distribusi normal .<\/span><\/p>\n Cara melakukan tes Shapiro-Wilk di R<\/a> Uji Kolmogorov-Smirnov digunakan untuk menguji apakah suatu sampel berasal dari distribusi tertentu atau tidak. Untuk melakukan pengujian Kolmogorov-Smirnov satu atau dua sampel di R, kita dapat menggunakan fungsi ks.test() . Tutorial ini menunjukkan contoh cara menggunakan fitur ini dalam praktik. Contoh 1: Sampel uji Kolmogorov-Smirnov Misalkan kita memiliki contoh data berikut: #make this example reproducible […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Contoh 1: Sampel uji Kolmogorov-Smirnov<\/strong><\/span><\/h3>\n
#make this example reproducible<\/span>\nseed(0)\n\n#generate dataset of 100 values that follows a Poisson distribution with mean=5\n<\/span>data <- rpois(n= 20<\/span> , lambda= 5<\/span> )<\/strong><\/pre>\n #perform Kolmogorov-Smirnov test<\/span>\nks.test(data, \u201c pnorm<\/span> \u201d)\n\n\tOne-sample Kolmogorov\u2013Smirnov test\n\ndata:data\nD = 0.97725, p-value < 2.2e-16\nalternative hypothesis: two-sided\n<\/strong><\/pre>\n Contoh 2: Uji Kolmogorov-Smirnov dua sampel<\/strong><\/span><\/h3>\n
#make this example reproducible<\/span>\nseed(0)\n\n#generate two datasets\n<\/span>data1 <- rpois(n= 20<\/span> , lambda= 5<\/span> )\ndata2 <- rnorm( 100<\/span> )<\/strong><\/pre>\n #perform Kolmogorov-Smirnov test<\/span>\nks.test(data1, data2)\n\n\tTwo-sample Kolmogorov\u2013Smirnov test\n\ndata: data1 and data2\nD = 0.99, p-value = 1.299e-14\nalternative hypothesis: two-sided\n<\/strong><\/pre>\n Sumber daya tambahan<\/strong><\/span><\/h3>\n
Cara melakukan tes Anderson-Darling di R<\/a>
Cara melakukan uji normalitas multivariat di R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"