provided (a warning is issued when

provided (a warning is issued when the sample size
is greater than 30 due to possible numerical instabilities).
When exact = FALSE (or when exact is unspecified
and the sample size is greater than 30) the classical
Kolmogorov-Smirnov null distribution of the test
statistic is used and resulting p-values are known to
be conservative though imprecise (see Conover (1972)
for details). In such cases, simulated p-values may
be desired, produced by the simulate.p.value=TRUE
option.
The function cvm.test() is similar in design to
ks.test(). Its first two arguments specify the data
and null distribution; the only extra option, type,
specifies the variant of the Cramér-von Mises test:
x a numerical vector of data values.
y an ecdf or step-function (stepfun) for specifying
the null model
type the variant of the Cramér-von Mises test; W2 is
the default and most common method, U2 is for
cyclical data, and A2 is the Anderson-Darling
alternative.
As with ks.test(), cvm.test() returns an object of

ผลลัพธ์ (ไทย) 1:

ให้ (คำเตือนจะออกเมื่อขนาดของกลุ่มตัวอย่าง
มากกว่า 30 เนื่องจากการไม่เสถียรเป็นตัวเลขที่เป็นไปได้). เมื่อ
แน่นอน = false (หรือเมื่อเป็นที่แน่นอนไม่ระบุ
และขนาดของกลุ่มตัวอย่างที่มีค่ามากกว่า 30) คลาสสิก
Kolmogorov-Smirnov null การกระจายตัวของการทดสอบ
สถิติถูกนำมาใช้และส่งผลให้ค่า p เป็นที่รู้จักกัน
จะอนุรักษ์แม้ว่าจะไม่แน่ชัด (ดู Conover (1972)
สำหรับรายละเอียด) ในกรณีดังกล่าวจำลองค่า p-
อาจจะต้องการที่ผลิตโดย simulate.p.value = true
ตัวเลือก.
cvm.test ฟังก์ชั่น () เป็นที่คล้ายกันในการออกแบบเพื่อ ks.test
() สองอาร์กิวเมนต์แรกระบุข้อมูลที่
และการกระจาย null; เพียงตัวเลือกพิเศษชนิด
ระบุตัวแปรของการทดสอบคะเนCramér-ฟอน.
XA เวกเตอร์ตัวเลขของค่าข้อมูล
y ecdf หรือขั้นตอนการทำงาน (stepfun) สำหรับการระบุรูปแบบ

nullชนิดที่แตกต่างของการทดสอบคะเนCramér-ฟอน. w2 เป็น
เริ่มต้นและวิธีการที่พบมากที่สุดสำหรับ u2
ข้อมูลวงจรและ a2 เป็น anderson-รัก

ทางเลือกเช่นเดียวกับ ks.test () cvm.test () ส่งกลับวัตถุของ

ผลลัพธ์ (ไทย) 2:

ให้ (ออกคำเตือนเมื่อขนาดตัวอย่าง
มากกว่า 30 จาก instabilities ได้เลข) .
เมื่อแน่นอน =เท็จ (หรือ เมื่อแน่นอนคือไม่ได้ระบุ
และขนาดตัวอย่างมากกว่า 30) ที่คลาสสิก
กระจายเป็น null Smirnov น่าเป็นของการทดสอบ
ใช้สถิติ และค่า p ได้ทราบว่า
จะหัวเก่าว่า imprecise (ดูโฮปมิลส์ (1972)
สำหรับรายละเอียด) ในกรณีดังกล่าว อาจเลียนแบบค่า p
ถูกต้อง ผลิต โดย simulate.p.value=TRUE
option.
The การ cvm.test() ฟังก์ชันเป็นคล้าย to
ks.test() ออกแบบได้ อาร์กิวเมนต์ที่สองระบุข้อมูล
และ กระจายเป็น null เลือกเฉพาะพิเศษ ชนิด,
ระบุตัวแปรของการทดสอบ Cramér ฟอน Mises:
x แทนเวกเตอร์ของข้อมูลค่า
y ecdf การหรือขั้นตอนฟังก์ชัน (stepfun) สำหรับการระบุ
แบบว่าง
ชนิดตัวแปรทดสอบ Mises ฟอน Cramér W2 เป็น
เริ่มต้นและวิธีการทั่วไป U2 เป็น
ข้อมูลวัฏจักร A2 เป็นแอนเดอร์สันดาร์ลิง
เลือก
เท่ากับ ks.test(), cvm.test() ส่งกลับวัตถุของ

ผลลัพธ์ (ไทย) 3:

จัดให้บริการ(ที่เตือน ภัย จะออกให้เมื่อได้ลิ้มลองขนาด
ซึ่งจะช่วยได้มากกว่า 30 เนื่องจากได้ตัวเลขความไร้ เสถียรภาพ )..
เมื่อเวลารับที่แน่นอน=ผิดพลาด(หรือเมื่อเวลารับที่แน่นอนจะไม่สามารถระบุ
และตัวอย่างที่มีขนาดมากกว่า 30 )ที่มีค่าเป็นนัล classical
kolmogorov-smirnov การกระจายของที่ทำการทดสอบสถิติ
ซึ่งจะช่วยทำให้มีการใช้และ P - ค่าเป็นที่รู้จักกันดีในเรื่องการ
ซึ่งจะช่วยให้มีความระมัดระวังแม้จะไม่เที่ยงตรง(ดู conover ( 1972 )
สำหรับรายละเอียด) ในกรณีดังกล่าวการทดสอบ Simulated Acoustical Feedback Exposure P - ค่าอาจ
เป็นที่ต้องการ,ผลิตขึ้นโดยจำลองการ. p .=จริง
ตัวเลือก.
ฟังก์ชัน cvm .การทดสอบ()คือในการออกแบบสำหรับ
, KS .การทดสอบ() เป็นครั้งแรกของอาร์กิวเมนต์สองตัวคือระบุให้ข้อมูล
และไม่มีค่าการกระจาย;ที่พิเศษเฉพาะตัวเลือก, ประเภท ,
ระบุรุ่นของ cramér - ฟอน Mises การทดสอบ:
X เป็นตัวเลขหรือข้อมูลค่า.
y ที่ ecdf หรือขั้นตอนที่ใช้( stepfun )สำหรับการระบุ

รุ่นที่มีค่าเป็นนัลพิมพ์ไม่เหมือนกันของการทดสอบ Mises cramér - ฟอน W 2 เป็นวิธีที่ใช้กันแพร่หลายที่สุดและดีฟอลต์
U 2 สำหรับ
ข้อมูลว่าวัฏจักรและ 2 ที่เป็นทางเลือก anderson-darling
ที่.
ตามด้วย, KS .การทดสอบ() cvm .การทดสอบ()จะกลับวัตถุที่ของ