Finally, assess whether the maximum

Finally, assess whether the maximum discrepancy is large enough to be statistically significant, thus requiring rejection of the null hypothesis. This is where this test becomes more complicated than the Kolmogorov–Smirnov test. Since the hypothesized CDF has been moved closer to the data by estimation based on those data, the maximum discrepancy has been made smaller than it would have been if the null hypothesis had singled out just one normal distribution. Thus the "null distribution" of the test statistic, i.e. its probability distribution assuming the null hypothesis is true, is stochastically smaller than the Kolmogorov–Smirnov distribution. This is the Lilliefors distribution. To date, tables for this distribution have been computed only by Monte Carlo methods.

ผลลัพธ์ (ไทย) 1:

สุดท้าย ประเมินว่าความขัดแย้งสูงสุดมีขนาดใหญ่พอที่จะเป็นทางสถิติอย่างมีนัยสำคัญ จึง ต้องปฏิเสธสมมติฐานว่าง ซึ่งการทดสอบนี้จะซับซ้อนมากขึ้นกว่าการทดสอบน่าเป็น – Smirnov ได้ ตั้งแต่ CDF ค่าได้ย้ายใกล้ชิดกับข้อมูล โดยการประเมินตามข้อมูลเหล่านั้น ความขัดแย้งสูงสุดได้ขนาดเล็กกว่าก็จะได้รับถ้าสมมติฐานเป็น null ได้กลั่นเดียวแจก ดังนั้น "แจกเป็น null" ของสถิติทดสอบ เช่นกระจายความน่าเป็นของสมมติสมมติฐานว่างเป็นจริง มี stochastically น้อยกว่าการแจกแจงน่าเป็น – Smirnov นี่คือการกระจาย Lilliefors วันที่ ได้รับการคำนวณตารางการกระจายนี้เท่านั้น โดยวิธีการมอน Carlo

ผลลัพธ์ (ไทย) 2:

ในที่สุดประเมินว่าความแตกต่างสูงสุดมีขนาดใหญ่พอที่จะเป็นนัยสำคัญทางสถิติจึงต้องปฏิเสธสมมติฐาน ซึ่งเป็นที่ที่การทดสอบนี้จะกลายเป็นความซับซ้อนมากขึ้นกว่าการทดสอบ Kolmogorov-Smirnov เนื่องจากสมมติฐาน CDF ได้ถูกย้ายใกล้ชิดกับข้อมูลโดยการประมาณค่าบนพื้นฐานของข้อมูลเหล่านั้นแตกต่างสูงสุดที่ได้รับการทำที่มีขนาดเล็กกว่าก็จะได้รับถ้าสมมติฐานได้แยกออกมาเพียงหนึ่งกระจายปกติ ดังนั้น "การกระจาย null" ของสถ​​ิติทดสอบคือความน่าจะเป็นของการกระจายสมมติสมมติฐานเป็นจริงเป็น stochastically มีขนาดเล็กกว่าการกระจาย Kolmogorov-Smirnov นี่คือการกระจาย Lilliefors ในวันที่ตารางสำหรับการกระจายนี้ได้รับการคำนวณโดยเฉพาะวิธี Monte Carlo

ผลลัพธ์ (ไทย) 3:

ในที่สุด ก็ประเมินว่า ความแตกต่างสูงสุดมีขนาดใหญ่พอที่จะเป็นอย่างมีนัยสำคัญทางสถิติจึงต้องปฏิเสธสมมติฐานว่าง . ซึ่งการทดสอบนี้จะซับซ้อนมากขึ้นกว่าการเปลี่ยนแปลง และเพื่อทดสอบ เนื่องจากสมมุติฐาน CDF ได้ถูกย้ายใกล้ชิดกับข้อมูล โดยการประมาณค่าจากข้อมูลเหล่านั้นความแตกต่างสูงสุดได้น้อยกว่าก็จะได้รับหากสมมติฐานโมฆะมีการกลั่นเพียงหนึ่งปกติกระจาย ดังนั้น " การกระจาย " ของการทดสอบทางสถิติ เช่น มีการแจกแจงความน่าจะเป็นสมมติสมมติฐานโมฆะจริง คือ stochastically เล็กกว่าและเปลี่ยนแปลงเพื่อแจกจ่าย นี่เป็น lilliefors แจกจ่าย วันที่ตารางการกระจายนี้จะถูกคำนวณโดยวิธีมอนติคาร์โล