数据离散化

1、分布一致性检验

1.1 连续分布

1.1.1 ks.test(x, y) #Kolmogorov-Smirnov分布一致性检验

#x是数字向量，y若为数字向量，则检验x与y是否分布一致

#y若为连续分布(！)的累积概率函数，则检验x是否与已知分布一致。

#注意累积概率函数还可以带参数

例：

x=rnorm(100, 175, 10); ks.test(x, pnorm, 175, 10);

y=runif(100, 100, 1000); ks.test(y, punif, 100, 1000);

1.1.2 shapiro.test(x) #Shapiro-Wilk正态性检验，样本含量在[3, 5000]之间

1.2离散分布

chisq.test(x, p) #p是与x等长的概率向量，缺省表示x取值概率相等

离散分布的一致性检验实际上是理论频数和实际频数的差别检验

步骤：

利用样本对分布进行参数的点估计

用估计的分布函数计算理论频数

对实际频数和理论频数进行卡方检验

2、离散一致性检验

2.1 非参数方法（基于秩）

mood.test(x, y) #该检验假设两样本中位数相同，因此需要将两个中位数的差异消除再比较

#实际使用如下：

diff=median(x)-median(y); y=y+diff; mood.test(x,y);

ansari.test(x,y) #用于两样本，当数据中有结时会出现警告。也需要将两个中位数的差异消除再比较fligner.test(x) #x是一个列表(！)，用于多样本，不需要消除中位数的差异

2.2 参数方法

var.test(x,y) #用于来自正态总体的两个样本

bartlett.test(x) #用于来自正态总体的多个样本