R in kolmogorov-smirnov စမ်းသပ်မှု (ဥပမာများနှင့်အတူ)


Kolmogorov-Smirnov စမ်းသပ်မှုကို နမူနာတစ်ခုသည် ဖြန့်ဖြူးမှုတစ်ခုမှ ထွက်ပေါ်လာခြင်း ရှိ၊ မရှိ စမ်းသပ်ရန် အသုံးပြုသည်။

R တွင် Kolmogorov-Smirnov စမ်းသပ်မှုတစ်ခု သို့မဟုတ် နမူနာနှစ်ခုလုပ်ဆောင်ရန်၊ ကျွန်ုပ်တို့သည် ks.test() လုပ်ဆောင်ချက်ကို အသုံးပြုနိုင်သည်။

ဤသင်ခန်းစာတွင် ဤအင်္ဂါရပ်ကို လက်တွေ့အသုံးချနည်းကို နမူနာပြထားသည်။

ဥပမာ 1- Kolmogorov-Smirnov စမ်းသပ်မှုနမူနာ

ကျွန်ုပ်တို့တွင် အောက်ပါနမူနာဒေတာရှိသည်ဆိုပါစို့။

 #make this example reproducible
seed(0)

#generate dataset of 100 values that follows a Poisson distribution with mean=5
data <- rpois(n= 20 , lambda= 5 )

ဆက်စပ်- R တွင် dpois၊ ppois၊ qpois နှင့် rpois လမ်းညွှန်ချက်

အောက်ပါကုဒ်သည် ပုံမှန်ဖြန့်ဝေမှုမှ ဆင်းသက်ခြင်းရှိမရှိ ဆုံးဖြတ်ရန် ဤဒေတာတန်ဖိုး 100 ၏ နမူနာတွင် Kolmogorov-Smirnov စမ်းသပ်မှုကို မည်သို့လုပ်ဆောင်ရမည်ကို ပြသသည်-

 #perform Kolmogorov-Smirnov test
ks.test(data, “ pnorm ”)

	One-sample Kolmogorov–Smirnov test

data:data
D = 0.97725, p-value < 2.2e-16
alternative hypothesis: two-sided

ရလဒ်မှ၊ စမ်းသပ်စာရင်းအင်းသည် 0.97725 ဖြစ်ပြီး သက်ဆိုင်ရာ p-value သည် 2.2e-16 ဖြစ်ကြောင်း ကျွန်ုပ်တို့တွေ့မြင်နိုင်ပါသည်။ p-value သည် 0.05 ထက်နည်းသောကြောင့်၊ null hypothesis ကို ငြင်းပယ်ပါသည်။ နမူနာဒေတာသည် ပုံမှန်ဖြန့်ဝေမှုမှ လာသည်ဟု ဆိုရန် လုံလောက်သော အထောက်အထားရှိသည်။

Poisson ဖြန့်ဝေမှု နောက်ဆက်တွဲဖြစ်သော ကျပန်းတန်ဖိုးများကိုထုတ်ပေးသည့် rpois() လုပ်ဆောင်ချက်ကို အသုံးပြု၍ နမူနာဒေတာကို ထုတ်ပေးသောကြောင့် ဤရလဒ်သည် အံ့သြစရာမဖြစ်သင့်ပါ။

ဥပမာ 2- နမူနာနှစ်ခု- Kolmogorov-Smirnov စမ်းသပ်မှု

ကျွန်ုပ်တို့တွင် အောက်ပါနမူနာဒေတာအတွဲနှစ်ခုရှိသည် ဆိုကြပါစို့။

 #make this example reproducible
seed(0)

#generate two datasets
data1 <- rpois(n= 20 , lambda= 5 )
data2 <- rnorm( 100 )

အောက်ပါကုဒ်သည် ဤနမူနာနှစ်ခုတွင် Kolmogorov-Smirnov စမ်းသပ်မှုကို မည်သို့လုပ်ဆောင်ရမည်ကို ပြသသည်-

 #perform Kolmogorov-Smirnov test
ks.test(data1, data2)

	Two-sample Kolmogorov–Smirnov test

data: data1 and data2
D = 0.99, p-value = 1.299e-14
alternative hypothesis: two-sided

ရလဒ်မှ၊ စမ်းသပ်စာရင်းအင်းသည် 0.99 ဖြစ်ပြီး သက်ဆိုင်သော p-value သည် 1.299e-14 ဖြစ်ကြောင်း ကျွန်ုပ်တို့ တွေ့နိုင်ပါသည်။ p-value သည် 0.05 ထက်နည်းသောကြောင့်၊ null hypothesis ကို ငြင်းပယ်ပါသည်။ နမူနာဒေတာအတွဲနှစ်ခုသည် တူညီသောဖြန့်ဝေမှုမှမဟုတ်ကြောင်း ပြောရန် လုံလောက်သော အထောက်အထားရှိသည်။

Poisson ဖြန့ ဝေမှုနှင့် ဒုတိယနမူနာအတွက် တန်ဖိုးများကို အသုံးပြု၍ ပထမနမူနာအတွက် တန်ဖိုးများကို ကျွန်ုပ်တို့ထုတ်ပေးသည့်အတွက်ကြောင့် ဤရလဒ်သည် အံ့သြစရာမဟုတ်သင့်ပါ။

ထပ်လောင်းအရင်းအမြစ်များ

R တွင် Shapiro-Wilk စမ်းသပ်မှုပြုလုပ်နည်း
R တွင် Anderson-Darling စမ်းသပ်မှုပြုလုပ်နည်း
R တွင် multivariate normality tests လုပ်နည်း

မှတ်ချက်တစ်ခုထည့်ပါ။

သင့် email လိပ်စာကို ဖော်ပြမည် မဟုတ်ပါ။ လိုအပ်သော ကွက်လပ်များကို * ဖြင့်မှတ်သားထားသည်