IntroductionGoodness-of-fit tests a

Introduction
Goodness-of-fit tests are used to assess whether data
are consistent with a hypothesized null distribution.
The c2 test is the best-known parametric goodnessof-
fit test, while the most popular nonparametric
tests are the classic test proposed by Kolmogorov
and Smirnov followed closely by several variants on
Cramér-von Mises tests.
In their most basic forms, these nonparametric
goodness-of-fit tests are intended for continuous hypothesized
distributions, but they have also been
adapted for discrete distributions. Unfortunately,
most modern statistical software packages and programming
environments have failed to incorporate
these discrete versions. As a result, researchers would
typically rely upon the c2 test or a nonparametric
test designed for a continuous null distribution. For
smaller sample sizes, in particular, both of these
choices can produce misleading inferences.
This paper presents a revision of R’s ks.test()
function and a new cvm.test() function to fill this
void for researchers and practitioners in the R environment.
This work was motivated by the need for such
goodness-of-fit testing in a study of Olympic figure
skating scoring (Emerson and Arnold, 2011). We first
present overviews of the theory and general implementation
of the discrete Kolmogorov-Smirnov and
Cramér-von Mises tests. We discuss the particular implementation
of the tests in R and provide examples.
We conclude with a short discussion, including the
state of existing continuous and two-sample Cramérvon
Mises testing in R.

ผลลัพธ์ (ไทย) 1:

การแนะนำ
ความดีของพอดีทดสอบที่ใช้ในการประเมินว่าข้อมูล
สอดคล้องกับสมมติฐานการกระจาย null.
c2 ทดสอบที่ดีที่สุดที่รู้จักกันพารา goodnessof-
ทดสอบพอดีในขณะที่ได้รับความนิยมมากที่สุดอิงพารามิเตอร์
ทดสอบมีการทดสอบคลาสสิก ที่เสนอโดย Kolmogorov
Smirnov และตามติดมาด้วยหลายสายพันธุ์บน
Cramér-ฟอนทดสอบคะเน.
ในรูปแบบพื้นฐานที่สุดของพวกเขาไม่อิงพารามิเตอร์เหล่านี้
การทดสอบความดีของพอดีมีไว้สำหรับสมมติฐานอย่างต่อเนื่องกระจาย
แต่พวกเขาก็ยังคงถูก
เหมาะสำหรับการกระจายต่อเนื่อง ขออภัย
ทันสมัย​​ที่สุดแพคเกจซอฟต์แวร์ทางสถิติและการเขียนโปรแกรม
สภาพแวดล้อมที่ยังไม่ได้รวม
รุ่นต่อเนื่องเหล่านี้ เป็นผลให้นักวิจัยจะ
โดยทั่วไปจะขึ้นอยู่กับการทดสอบ c2 หรือไม่อิงพารามิเตอร์
การทดสอบการออกแบบมาสำหรับการกระจาย null อย่างต่อเนื่อง เพื่อ
ขนาดตัวอย่างมีขนาดเล็กโดยเฉพาะอย่างยิ่งทั้งสองแบบนี้
เลือกสามารถผลิตล้วน แต่ทำให้เข้าใจผิด.
กระดาษนี้นำเสนอการแก้ไข ks.test r ของ ()
ทำงานและ cvm.test ใหม่ () ฟังก์ชันที่จะเติมช่องว่างนี้
สำหรับนักวิจัย และผู้ปฏิบัติงานในสภาพแวดล้อมที่ r.
งานนี้ถูกกระตุ้นโดยความต้องการดังกล่าว
การทดสอบความดีของพอดีในการศึกษารูปสเก็ตโอลิมปิก
คะแนน (อีเมอร์และอาร์โนล, 2011) ครั้งแรกที่เรา
ภาพรวมปัจจุบันของทฤษฎีและการใช้งานทั่วไปของ
เนื่อง Kolmogorov-Smirnov และ
Cramér-ฟอนทดสอบคะเน เราจะหารือถึงการดำเนินการโดยเฉพาะอย่างยิ่ง
ของการทดสอบใน r และให้ตัวอย่าง.
เราสรุปกับการอภิปรายสั้นรวมถึง
รัฐของการทดสอบcramérvon
คะเนที่มีอยู่อย่างต่อเนื่องและทั้งสองตัวอย่างใน r

ผลลัพธ์ (ไทย) 2:

แนะนำ
ทดสอบความดีพอจะใช้ในการประเมินว่าข้อมูล
สอดคล้องกับที่ค่าเป็น null กระจาย
ทดสอบ c2 เป็นรู้จักพาราเมตริก goodnessof-
พอดีทดสอบ ในขณะที่ยอดนิยม nonparametric
ทดสอบจะทดสอบคลาสสิกเสนอ โดยน่าเป็น
Smirnov ตามอย่างใกล้ชิด ด้วยตัวแปรหลายตัวบนและ
Mises ฟอน Cramér ทดสอบการ
ในการพื้นฐาน เหล่านี้ nonparametric
เพื่อทดสอบความดีพอสำหรับการตั้งสมมติฐานว่าต่อเนื่อง
กระจาย แต่พวกเขายังมี
ดัดแปลงสำหรับการกระจายแยกกัน อับ,
เขียนโปรแกรมและแพคเกจซอฟต์แวร์สถิติน่า
สภาพแวดล้อมไม่สามารถรวมได้
รุ่นแยกกัน ดังนั้น การที่นักวิจัยจะ
โดยทั่วไปถือการทดสอบ c2 หรือแบบ nonparametric
ทดสอบที่ออกแบบมาสำหรับการกระจายเป็น null อย่างต่อเนื่อง สำหรับ
ตัวอย่างขนาดเล็กขนาด โดยเฉพาะ ทั้งนี้
เลือกสามารถผลิตเข้าใจ inferences.
กระดาษนี้แสดงการแก้ไขของ R ks.test ()
ฟังก์ชันและ cvm.test() ฟังก์ชันใหม่เพื่อเติมนี้
โมฆะสำหรับนักวิจัยและนักในสภาพแวดล้อม R ได้
งานนี้เป็นแรงจูงใจตามต้องการเช่น
ทดสอบความดีพอในการศึกษารูปโอลิมปิค
สเก็ตคะแนน (อีเมอร์สันและอาร์โนลด์ 2011) เราแรก
แสดงภาพรวมของทฤษฎีและการใช้งานทั่วไป
ของน่าเป็น-Smirnov แยกกัน และ
Cramér ฟอน Mises ทดสอบ เราหารือปฏิบัติเฉพาะ
ทดสอบใน R และให้ตัวอย่าง
เราสรุป ด้วยการสนทนาสั้น ๆ รวมถึงการ
สภาพที่มีอยู่อย่างต่อเนื่อง และ อย่างสอง Cramérvon
Mises ทดสอบในอาร์

ผลลัพธ์ (ไทย) 3:

การแนะนำ
ความดี - ของ - Fit การทดสอบมีการใช้ในการประเมินว่าข้อมูล
ซึ่งจะช่วยได้อย่างสม่ำเสมอด้วย hypothesized ว่างการจัดจำหน่าย
ที่ C 2 การทดสอบที่มีชื่อเสียงที่สุดแบบ parametric goodnessof -
พอดีกับการทดสอบที่ได้รับความนิยมมากที่สุดในขณะที่ nonparametric
การทดสอบได้รับการทดสอบแบบคลาสสิคที่เสนอโดย kolmogorov
และ smirnov ติดตามอย่างใกล้ชิดโดยหลายรุ่นต่างๆใน
cramér - ฟอน Mises การทดสอบ.
ในขั้นพื้นฐานที่สุดรูปแบบ,เหล่านี้ nonparametric
การทดสอบความดี - ของ - Fit มีจุดประสงค์เพื่อ hypothesized
ซึ่งจะช่วยการเผยแพร่อย่างต่อเนื่องแต่ได้รับการ
ซึ่งจะช่วยปรับให้เหมาะสำหรับการเผยแพร่แบบแยกต่างหากได้ เป็นที่น่าเสียดายว่า
ที่ทันสมัยมากที่สุดทางสถิติซอฟต์แวร์การตั้งโปรแกรมและแพคเกจ
สภาพแวดล้อม ไม่ได้มีรุ่น
เหล่านี้แยกต่างหาก เป็นผลที่นักวิจัยจะพึ่งพาการทดสอบ C 2 หรือ nonparametric ที่

โดยทั่วไปการทดสอบได้รับการออกแบบสำหรับการกระจายไม่มีค่าอย่างต่อเนื่อง.
ซึ่งจะช่วยให้มีขนาดเล็กลงตัวอย่างทุกขนาดในเฉพาะซึ่งทั้งสองแห่งนี้
ทางเลือกสามารถผลิตทำให้เข้าใจผิดจริง.
นี้กระดาษของขวัญที่การปรับปรุง R ของ, KS .การทดสอบ()
ฟังก์ชันใหม่และ cvm .การทดสอบ()ฟังก์ชันการเติมน้ำลงในโรงแรมแห่งนี้
ซึ่งจะช่วยทำให้นักวิจัยและผู้ประกอบการใน R สภาพแวดล้อม .
นี้สามารถใช้งานได้สร้างแรงจูงใจโดยที่ต้องการสำหรับเช่น
การทดสอบความดี - ของ - ใส่ในการศึกษาของรูปที่โอลิมปิก
การให้คะแนนการสเก็ตน้ำแข็ง( Emerson อาร์โนลด์และ 2011 ) เรา ภาพรวม
ปัจจุบันเป็นครั้งแรกของทฤษฎีและการนำไปใช้งานทั่วไป
ซึ่งจะช่วยในการทดสอบ Mises แยกต่างหาก kolmogorov-smirnov และ
cramér - ฟอนได้ เราพูดคุยกันถึงเรื่องการนำไปใช้งาน
ซึ่งจะช่วยให้การทดสอบใน R และจัดให้บริการตัวอย่าง.
เราจะสิ้นสุดลงด้วยการประชุมในระยะทางสั้นๆเพื่อไปที่รวมถึงที่
สถานะของการทดสอบ
Mises cramérvon อย่างต่อเนื่องและสองตัวอย่างที่มีอยู่ใน R .