Household expenditures (in Hong Kon

Household expenditures (in Hong Kong dollars) of 20 single men and 20 single
women including fuel and light are reported in Table 2.5. This real data example is
taken from Hand et al. (1994, p. 44). We suspect that the distributions of the data
in the two groups have different locations as well as different scales. Moreover it is
suspected that the distribution functions associated with the populations behind the
samples may differ also in shape. Therefore this is a situation where a test for the
most general alternative hypothesis is more suitable than a test for the location-scale
problem (like the Lepage test or the Cucconi test, see Section 2.3).
A very familiar test for the general two-sample problem is the Kolmogorov–
Smirnov test which requires Assumptions A1 and A2 and it is based on the differences
between the empirical distribution functions (EDFs) of the two samples. If the random
variables X1 and X2 underlying the samples are continuous, the test is exact. In the
discrete case, or when in practice you have ties, the test is conservative (its significance

ผลลัพธ์ (ไทย) 1:

ค่าใช้จ่ายในครัวเรือน (ใน Hong Kong ดอลลาร์) คนเดียว 20 อันเดียว 20ผู้หญิงรวมทั้งเชื้อเพลิงและแสงมีรายงานในตาราง 2.5 ตัวอย่างข้อมูลที่แท้จริงนี้คือนำมาจากมือและ al. (1994, p. 44) เราสงสัยว่าที่การกระจายของข้อมูลในกลุ่มสองมีตำแหน่งเป็นระดับที่แตกต่างกัน นอกจากนี้ยัง เป็นสงสัยว่า ฟังก์ชันแจกแจงสัมพันธ์กับประชากรหลังการตัวอย่างอาจแตกต่างในรูปร่างยัง ดังนั้น นี้เป็นสถานการณ์การทดสอบสำหรับการสมมติฐานอื่นทั่วไปส่วนใหญ่จะเหมาะสมกว่าการทดสอบสำหรับตำแหน่งอัตราปัญหา (เช่นการทดสอบ Lepage หรือทดสอบ Cucconi ดูหัวข้อ 2.3)การทดสอบที่คุ้นเคยสำหรับปัญหาสองตัวอย่างทั่วไปคือ น่าเป็น –ทดสอบ Smirnov ซึ่งต้องมีสมมติฐาน A1 และ A2 และมันขึ้นอยู่กับความแตกต่างระหว่างประจักษ์กระจายฟังก์ชัน (EDFs) ตัวอย่างที่สอง หากการสุ่มตัวแปร X 1 และ X 2 ต้นแบบตัวอย่างมีอย่างต่อเนื่อง การทดสอบแน่นอน ในกรณีไม่ต่อเนื่อง หรือในทางปฏิบัติ มีความสัมพันธ์ การทดสอบเป็นหัวเก่า (ของสำคัญ

ผลลัพธ์ (ไทย) 2:

ค่าใช้จ่ายในครัวเรือน (ในสกุลเงินดอลลาร์ฮ่องกง) 20 คนเดียวและ 20
เดียวผู้หญิงรวมทั้งน้ำมันเชื้อเพลิงและไฟจะมีการรายงานในตารางที่2.5 ตัวอย่างเช่นข้อมูลจริงนี้จะนำมาจากมือ et al,
(1994, น. 44)
เราสงสัยว่าการกระจายของข้อมูลในทั้งสองกลุ่มมีสถานที่ที่แตกต่างกันเช่นเดียวกับเครื่องชั่งน้ำหนักที่แตกต่างกัน นอกจากนี้ก็มีผู้ต้องสงสัยว่าฟังก์ชั่นการจัดจำหน่ายที่เกี่ยวข้องกับประชากรที่อยู่เบื้องหลังกลุ่มตัวอย่างที่อาจแตกต่างกันนอกจากนี้ยังมีในรูป ดังนั้นนี้เป็นสถานการณ์ที่ทดสอบเป็นสมมติฐานทางเลือกทั่วไปมากที่สุดจะเหมาะกว่าการทดสอบสำหรับสถานที่ขนาดปัญหา(เช่นการทดสอบเพจหรือการทดสอบ Cucconi โปรดดูมาตรา 2.3). การทดสอบที่คุ้นเคยมากสำหรับสองทั่วไป ปัญหาตัวอย่างเป็น Kolmogorov- ทดสอบนอฟซึ่งจะต้องมีสมมติฐาน A1 และ A2 และมันขึ้นอยู่กับความแตกต่างระหว่างฟังก์ชั่นการกระจายเชิงประจักษ์ (EDFs) ของทั้งสองตัวอย่าง ถ้าสุ่มตัวแปร X1 และ X2 พื้นฐานตัวอย่างที่มีอย่างต่อเนื่องการทดสอบเป็นที่แน่นอน ในกรณีที่ไม่ต่อเนื่องหรือในทางปฏิบัติเมื่อคุณมีความสัมพันธ์ที่ทดสอบเป็นอนุรักษ์นิยม (ความสำคัญของมัน

ผลลัพธ์ (ไทย) 3:

ครัวเรือน ( ฮ่องกงดอลลาร์ ) 20 ชายเดี่ยวและหญิงเดี่ยว ได้แก่ เชื้อเพลิง และ 20
แสงจะมีการรายงานในตาราง 2.5 ข้อมูลนี้จริงเช่น
ถ่ายจากมือ et al . ( 2537 , หน้า 44 ) เราสงสัยว่า การแจกแจงของข้อมูล
ในทั้งสองกลุ่มมีสถานที่ที่แตกต่างกันเช่นเดียวกับระดับที่แตกต่างกัน นอกจากนี้ก็เป็น
สงสัยว่า ฟังก์ชันการกระจายที่เกี่ยวข้องกับประชากรหลัง
ตัวอย่างอาจแตกต่างกันในรูปร่าง ดังนั้น นี่จึงเป็นสถานการณ์ที่การทดสอบสมมติฐานทั่วไปมากที่สุดทางเลือก
เหมาะกว่าการทดสอบสำหรับตำแหน่งระดับ
ปัญหา ( เช่น Lepage ทดสอบหรือ cucconi ทดสอบดูส่วน
2.3 )การทดสอบที่คุ้นเคยสำหรับทั่วไป 2 . ปัญหาคือ แอนเดอร์สัน ) เพื่อทดสอบสมมติฐาน
ซึ่งต้องใช้ A1 และ A2 และมันขึ้นอยู่กับความแตกต่าง
ระหว่างฟังก์ชันการแจกแจงเชิงประจักษ์ ( edfs ) ของทั้ง 2 คน ถ้าสุ่ม
ตัวแปร x1 และ x2 เป็นต้น ตัวอย่างมีอย่างต่อเนื่อง การสอบแน่นอน ใน
กรณีไม่ต่อเนื่อง หรือเมื่อปฏิบัติได้เสมอทดสอบอนุลักษณ์ ( ความสำคัญของมัน