R软件假设检验.pptVIP

例5.13 P-value计算演示 ne=sqrt(500/45) r=ne+0.12+0.11/ne ra=r*0.23 y=2*c(exp(-2*ra*ra),-exp(-2*4*ra*ra),exp(-2*9*ra*ra),-exp(-2*16*ra*ra)) p=sum(y) P-value=0.5411246 单样本的p-value通过随机模拟，再拟合模拟结果得到， 以正态分布为例： 两个样本的K-S检验： 出自台湾静宜大学研究生徐碧君 [2] 上式为实验极限分布曲线。 R软件算法[3]: 例5.9正态检验的其他方法比较： x=c(25,45,50,54,55,61,64,68,72,75,75,78,79,81,83,84,84,84,85,86,86,86,87,89,89,89,90,91,91,92,100) ks.test(x,pnorm, mean(x), sd(x)) shapiro.test(x) Shapiro-Wilk normality test data: x W = 0.8633, p-value = 0.0009852 One-sample Kolmogorov-Smirnov test data: x D = 0.1952, p-value = 0.1883 alternative hypothesis: two