be exact. In others, conservativene

be exact. In others, conservativeness in special cases
with small p-values has been established. Although
we provide for Monte Carlo simulated p-values with
the new ks.test(), no simulations may be necessary
necessary for these methods; they were generally
developed during an era when extensive simulations
may have been prohibitively expensive or timeconsuming.
However, this does raise the possibility
that alternative tests relying upon modern computational
abilities could provide even greater power in
certain situations, a possible avenue for future work.
In the continuous setting, both of the Kolmogorov-
Smirnov and the Cramér-von Mises tests have twosample
analogues. When data are observed from two
processes or sampled from two populations, the hypothesis
tested is whether they came from the same
(unspecified) distribution. With the discrete case,
however, the null distribution of the test statistic depends
on the underlying probability model, as discussed
by Walsh (1963). Such an extension would
require the specification of a null distribution, which
generally goes unstated in two-sample goodness-offit
tests. We note that Dufour and Farhat (2001) explored
two-sample goodness-of-fit tests for discrete
distributions using a permutation test approach.
Further generalizations of goodness-of-fit tests for
discrete distributions are described in the extended
study of de Wet and Venter (1994). There are existing
R packages for certain type of Cramér-von Mises
goodness-of-fit tests for continuous distributions.
Functions implemented in package nortest (Gross,
2006) focus on the composite hypothesis of normality,
while package ADGofTest (Bellosta, 2009) provides
the Anderson-Darling variant of the test for general
continuous distributions. Packages CvM2SL1Test
(Xiao and Cui, 2009a) and CvM2SL2Test (Xiao and
Cui, 2009b) provide two-sample Cramér-von Mises
tests with continuous distributions. Package cramer
(Franz, 2006) offers a multivariate Cramér test for the
two-sample problem. Finally, we note that the discrete
goodness-of-fit tests discussed in this paper do
not allow the estimation of parameters of the hypothesized
null distributions (see Lockhart et al. (2007) for
example).

ผลลัพธ์ (ไทย) 1:

ตรง ในผู้อื่น conservativeness ในกรณีพิเศษ
ด้วยค่า p ขนาดเล็กได้รับการจัดตั้งขึ้น แม้ว่า
เราจัดให้มีการจำลอง Monte Carlo ค่า p ด้วย
ks.test ใหม่ () ไม่มีการจำลองอาจจำเป็น
ที่จำเป็นสำหรับวิธีการเหล่านี้พวกเขาได้รับการพัฒนาโดยทั่วไป
ในยุคเมื่อจำลองกว้างขวาง
อาจจะแพงหรือ timeconsuming.
แต่นี้จะยกระดับความเป็นไปได้ว่าการทดสอบ
ทางเลือกที่อาศัยความสามารถในการคำนวณ
ทันสมัย​​สามารถให้อำนาจที่ยิ่งใหญ่กว่าในบางสถานการณ์
, อเวนิวเป็นไปได้สำหรับการทำงานในอนาคต.
ในการตั้งค่าอย่างต่อเนื่องทั้งสอง Kolmogorov-Smirnov
และCramér-ฟอน การทดสอบคะเนมี twosample
แอนะล็อก เมื่อข้อมูลมีการสังเกตจากสอง
กระบวนการหรือตัวอย่างจากสองประชากรสมมติฐาน
การทดสอบก็คือว่าพวกเขามาจากที่เดียวกัน
(ไม่ระบุ) การกระจาย กับกรณีที่ไม่ต่อเนื่อง
แต่การกระจาย null ของสถ​​ิติทดสอบจะขึ้นอยู่กับรูปแบบ
น่าจะเป็นพื้นฐานตามที่กล่าว
โดยวอลช์ (1963) นามสกุลดังกล่าวจะต้องมีสเปค
ของการกระจาย null ซึ่ง
โดยทั่วไปไปอันเป็นความดี offit-
การทดสอบสองตัวอย่างเราทราบว่า Dufour และ farhat (2001) การสำรวจ
สองตัวอย่างความดีของพอดีทดสอบการกระจายต่อเนื่อง
โดยใช้วิธีการทดสอบการเปลี่ยนแปลง.
ภาพรวมต่อไปของการทดสอบความดีของเหมาะสำหรับการกระจาย
เนื่องที่อธิบายไว้ในการขยาย
การศึกษาของเปียกและท้อง (1994) มีแพคเกจที่มีอยู่
r สำหรับประเภทหนึ่งของการคะเนCramér-ฟอน
การทดสอบความดีของเหมาะสำหรับการกระจายอย่างต่อเนื่อง. ฟังก์ชั่นการใช้งาน
ในแพคเกจ nortest (gross,
2006) มุ่งเน้นไปที่สมมติฐานประกอบธรรมดา
ในขณะที่แพคเกจ adgoftest (bellosta, 2009) ให้
ตัวแปร anderson-ที่รักของการทดสอบสำหรับ
กระจายทั่วไปอย่างต่อเนื่อง แพคเกจ cvm2sl1test
(xiao และ Cui, 2009a) และ cvm2sl2test (xiao และ
Cui,2009b) ให้สองตัวอย่างคะเนCramér-ฟอน
ทดสอบกับการกระจายอย่างต่อเนื่อง แพคเกจ cramer
(franz, 2006) มีการทดสอบหลายตัวแปรCramérสำหรับ
ปัญหาสองตัวอย่าง ในที่สุดเราทราบว่าเนื่อง
ความดีของพอดีทดสอบที่กล่าวถึงในบทความนี้ทำ
ไม่อนุญาตให้มีการประมาณค่าพารามิเตอร์ของการตั้งสมมติฐาน
กระจาย null (ดูล็อกฮาร์ตอัล. (2007) การ
ตัวอย่าง)

ผลลัพธ์ (ไทย) 2:

ได้แน่นอน ในอื่น ๆ conservativeness ในกรณี
p ค่าเล็กก่อตั้งขึ้น แม้ว่า
เรามีสำหรับมอนเตคาร์โลจำลองค่า p ด้วย
ks.test() ใหม่ จำลองไม่อาจจำเป็น
จำวิธีการเหล่านี้ พวกทั่วไป
พัฒนาในยุคเมื่อจำลองมากมาย
อาจมีราคาแพง prohibitively หรือ timeconsuming.
อย่างไรก็ตาม นี้เพิ่มโอกาส
ทดสอบอื่นที่อาศัยเมื่อคำนวณสมัย
ความสามารถสามารถให้พลังงานยิ่ง
บางสถานการณ์ อเวนิวได้สำหรับงานในอนาคตได้
การอย่างต่อเนื่อง ทั้งสองน่าเป็น-
Smirnov และทดสอบ Mises ฟอน Cramér มี twosample
analogues เมื่อพบข้อมูลจาก 2
กระบวนการ หรือตัวอย่างจากประชากรทั้งสอง ทฤษฏี
ทดสอบได้ว่าพวกเขามาจากการกระจาย same
(unspecified) กับกรณีแยกกัน,
อย่างไรก็ตาม การกระจายเป็น null ของสถิติทดสอบขึ้น
บนพื้นฐานความน่าเป็นแบบ เป็น discussed
โดยวอลช์ (1963) ส่วนขยายดังกล่าวจะ
ต้องระบุการกระจายเป็น null ซึ่ง
ทั่วไป unstated ในสองตัวอย่างความดี-offit
ทดสอบ เราทราบว่า Dufour และ Farhat (2001) อุดม
ทดสอบ 2 ตัวอย่างความดีของ-ฟิตสำหรับแยกกัน
การกระจายที่ใช้การเรียงสับเปลี่ยนการทดสอบวิธีการ
generalizations ทดสอบความดีพอสำหรับการเพิ่มเติม
กระจายแยกกันได้อธิบายไว้ในการขยาย
ศึกษาเดเปียกและ Venter (1994) มีคาด
R แพ็คเกจสำหรับบางชนิดของ Mises ฟอน Cramér
ทดสอบความดีพอสำหรับการกระจายอย่างต่อเนื่อง.
ฟังก์ชันดำเนินการในแพคเกจ nortest (รวม,
2006) เน้นฟังก์ชันคอมโพสิตของ normality,
ในขณะที่แพ ADGofTest (Bellosta, 2009) ให้
แปรแอนเดอร์สันดาร์ลิงของทดสอบทั่วไป
กระจายอย่างต่อเนื่อง แพคเกจ CvM2SL1Test
(เสี่ยวและ Cui, 2009a) และ CvM2SL2Test (เสี่ยว และ
Cui 2009b) ให้สองอย่าง Cramér ฟอน Mises
ทดสอบ มีการกระจายอย่างต่อเนื่อง แพคเกจ cramer
(Franz, 2006) มีการทดสอบ Cramér ตัวแปรพหุการ
ปัญหาสองอย่าง สุดท้าย เราหมายเหตุว่า แยกกัน
ทดสอบความดีพอที่กล่าวถึงในเอกสารนี้ทำ
อนุญาตให้ประเมินพารามิเตอร์ของการค่า
null การกระจาย (ดู Lockhart et al. (2007)
อย่าง)

ผลลัพธ์ (ไทย) 3:

เป็นที่แน่นอน ในบางคน conservativeness ในกรณีพิเศษ
พร้อมด้วยขนาดเล็ก P - ค่าได้รับการจัดตั้งขึ้น แม้ว่า
ซึ่งจะช่วยให้เราสำหรับ Monte Carlo การทดสอบ Simulated Acoustical Feedback Exposure P - ค่าพร้อมด้วย
ที่ใหม่, KS .การทดสอบ()ไม่มีการจำลองอาจมีความจำเป็น
ซึ่งจะช่วยที่จำเป็นสำหรับวิธีนี้จะได้รับการพัฒนาในยุคที่การที่หลากหลายการจำลอง
อาจมีการห้ามมีราคาแพงหรือ timeconsuming .

ตามมาตรฐานแต่โดยทั่วไปแล้วโรงแรมแห่งนี้ไม่ให้ความเป็นไปได้ที่
ทางเลือกที่ทำการทดสอบโดยอาศัยความในนวัตกรรมที่ทันสมัย
ความสามารถไม่สามารถให้พลังงานมากขึ้นในบางสถานการณ์ Avenue
ซึ่งจะช่วยเป็นไปได้สำหรับการทำงานในอนาคต.
ในการตั้งค่าอย่างต่อเนื่องจะทำการทดสอบ Mises kolmogorov -
smirnov และ cramér - ฟอนที่มีทั้งนัก twosample
เมื่อข้อมูลมีการปฏิบัติจากสอง
หรือกระบวนการทำงานสุ่มตัวอย่างประชากรจากสองข้อสมมุติฐานที่
ตามมาตรฐานได้รับการทดสอบแล้วอยู่ไม่ว่าจะมาจากการจัดจำหน่ายเหมือนเดิม
(ไม่ระบุ) พร้อมด้วยกรณีแบบแยกต่างหากที่มีค่าเป็นนัล
อย่างไรก็ตามการกระจายของสถิติการทดสอบจะขึ้นอยู่กับ
รุ่นโอกาสที่ตามที่กล่าวไว้
โดย walsh ( 1963 ) การขยายเวลาดังกล่าวจะต้องมีข้อมูลจำเพาะ
ซึ่งจะช่วยในการกระจายไม่มีผลซึ่งโดยทั่วไปแล้วจะสว่างขึ้น
ซึ่งจะช่วยประชาชนยอบสยบในสองตัวอย่างความดี - offit
การทดสอบเราบันทึกไว้ด้วยว่า dufour และ farhat ( 2001 )สำรวจ
สองตัวอย่างความดี - ของ - พอดีกับการทดสอบแบบแยกต่างหาก
การเผยแพร่โดยใช้การเปลี่ยนแปลงแนวทางการทดสอบ.
เพิ่มเติมตึกเพนตากอนของความดี - -
พอดีกับการทดสอบแบบแยกต่างหากการเผยแพร่มีอธิบายไว้ในระยะยาว
ซึ่งจะช่วยการศึกษาของ de เปียกและ venter ( 1994 ) มีที่มีอยู่
R สำหรับแพ็คเกจบาง ประเภท Mises cramér - ฟอน
ความดี - ของ - Fit การทดสอบอย่างต่อเนื่องการเผยแพร่.
ฟังก์ชันการทำงานได้นำไปใช้ในแพ็คเกจ nortest ( gross ,
2006 )มุ่งเน้นในแบบคอมโพสิตข้อสมมุติฐานของปกติ,
ในขณะที่แพ็คเกจ adgoftest ( bellosta , 2009 )จัดให้บริการ
ซึ่งจะช่วยให้ anderson-darling เบนซ์ของที่ทำการทดสอบโดยทั่วไปสำหรับการเผยแพร่
ซึ่งจะช่วยอย่างต่อเนื่อง. แพ็คเกจ cvm 2 C 1 การทดสอบ
("ซั่งไห่เสี่ยวหลงเปา"และ cui 2009 A )และ cvm 2 C 2 การทดสอบ("ซั่งไห่เสี่ยวหลงเปา"และ
cui2009 B )จัดให้มีการทดสอบ Mises
cramér - ฟอนสองตัวอย่างด้วยการเผยแพร่อย่างต่อเนื่อง. แพ็คเกจ cramer
( Franz 2006 )จัดให้บริการการทดสอบ cramér multivariate สำหรับ
สอง - ปัญหาตัวอย่าง สุดท้ายเราจะบันทึกไว้ด้วยว่าการทดสอบแบบแยกต่างหาก
ความดี - ของ - Fit ที่กล่าวถึงในเอกสารนี้ไม่อนุญาตให้กำหนดราคาของพารามิเตอร์ของ hypothesized
ไม่มีค่าการเผยแพร่(ดูที่ lockhart et al .
ไม่ได้ ( 2007 )สำหรับ
ยกตัวอย่างเช่น)