單一樣本柯爾莫哥洛夫-斯米爾諾夫適合度檢定 (One Sample Kolmogorov-Smirnov Goodness of fit test)

套路49: 單一樣本柯爾莫哥洛夫-斯米爾諾夫適合度檢定
(One Sample Kolmogorov-Smirnov Goodness of fit test)

1. 使用時機: 單一樣本柯爾莫哥洛夫-斯米爾諾夫適合度檢定用來分析數據之分佈型(distribution)。
2. 分析類型: 無母數分析(non-parametric analysis)。
3. 單一樣本柯爾莫哥洛夫-斯米爾諾夫檢定前提假設: 無。
4. 範例資料: 某研究在一棵25公尺高的樹幹的不同高度(m)觀察到某種蛾。資料如下：
編號
1
2
3
4
5
6
7
8
9
10
11
12
13
14
高度
1.4
2.6
3.3
4.2
4.7
5.6
6.4
7.7
9.3
10.6
11.5
12.4
18.6
22.3
蛾數
1
1
1
1
1
2
1
1
1
1
1
1
1
1
試問蛾在樹上不同高度的分布是否為均勻分布(uniform distribution)?
H0: 蛾在樹上不同高度的分布是均勻分布。HA: 蛾在樹上不同高度的分布不是均勻分布。

5. 使用R計算單一樣本柯爾莫哥洛夫-斯米爾諾夫檢定，方法一:
第一步: 安裝EnvStats程式套件。
第二步: 呼叫EnvStats程式套件備用。
  library(EnvStats)
第三步: 輸入建立資料。
  y <- c(1.4, 2.6, 3.3, 4.2, 4.7, 5.6, 6.4, 7.7, 9.3, 10.6, 11.5, 12.4, 18.6, 22.3)
第四步: 使用EnvStats程式套件的gofTest函數代入y計算柯爾莫哥洛夫-斯米爾諾夫檢定。
  gofTest(y~1, test = "ks", distribution = "unif", alternative = "two.sided")
  # y~1只有一組樣本(one-sample test)。
  # test = "ks" 執行柯爾莫哥洛夫-斯米爾諾夫檢定。
  # distribution = "unif" 檢定的是資料是否為均勻分布(uniform distribution)。
第五步: 判讀結果。
Results of Goodness-of-Fit Test
-------------------------------
Test Method:                     Kolmogorov-Smirnov GOF
Hypothesized Distribution:          Uniform
Estimated Parameter(s):            min = 1.4
                                   max = 22.3
Estimation Method:               mle
Data:                           y
Sample Size:                     14
Test Statistic:                     ks = 0.3308271
Test Statistic Parameter:            n = 14
P-value:                         0.07241889
Alternative Hypothesis:            True cdf does not equal the Uniform Distribution.
Warning message:
In ksGofTest(x = c(1.4, 2.6, 3.3, 4.2, 4.7, 5.6, 6.4, 7.7, 9.3,  :
  The standard Kolmogorov-Smirnov test is very conservative (Type I error smaller than assumed; high Type II error) for testing departures from the Uniform distribution when you have to estimate the distribution parameters.
  # P-value < 0.05，H0: 蛾在樹上不同高度的分布是均勻分布，不成立。
  # P-value > 0.05，H0: 蛾在樹上不同高度的分布是均勻分布，成立。

6. 使用R計算單一樣本柯爾莫哥洛夫-斯米爾諾夫檢定，方法二:
第一步: 安裝dgof程式套件。
第二步: 呼叫dgof程式套件備用。
  library(dgof)
第三步: 輸入建立資料。
  x <- c(1.4, 2.6, 3.3, 4.2, 4.7, 5.6, 6.4, 7.7, 9.3, 10.6, 11.5, 12.4, 18.6, 22.3)
第四步: 使用dgof程式套件的ks.test函數代入y計算柯爾莫哥洛夫-斯米爾諾夫檢定。
  dgof::ks.test(x, punif, alternative = "two.sided", exact = TRUE, tol = 1e-8,
 simulate.p.value = TRUE, B = 2000)
  # dgof::ks.test 基本模組(base)也有ks.test函數，為了區別，再函數名稱前加程式套件dgof::。
  # x只有一組樣本(one-sample test)。
  # punif 檢定的是資料是否為均勻分布(uniform distribution)。
  # exact = TRUE, simulate.p.value = TRUE, B = 2000估計p值。
第五步: 判讀結果。
        One-sample Kolmogorov-Smirnov test
data:  x
D = 1, p-value < 2.2e-16
alternative hypothesis: two-sided
  # p < 0.05，H0: 蛾在樹上不同高度的分布是均勻分布，不成立。
  # p > 0.05，H0: 蛾在樹上不同高度的分布是均勻分布，成立。

7. 使用R計算單一樣本柯爾莫哥洛夫-斯米爾諾夫檢定，方法三:
第一步: 安裝kolmim程式套件。
第二步: 呼叫kolmim程式套件備用。
  library(kolmim)
第三步: 輸入建立資料。
  x <- c(1.4, 2.6, 3.3, 4.2, 4.7, 5.6, 6.4, 7.7, 9.3, 10.6, 11.5, 12.4, 18.6, 22.3)
第四步: 使用kolmim程式套件的ks.test.imp函數代入x計算柯爾莫哥洛夫-斯米爾諾夫檢定。
  ks.test.imp(x, punif)
  # x只有一組樣本(one-sample test)。
  # punif 檢定的是資料是否為均勻分布(uniform distribution)。
第五步: 判讀結果。
        One-sample two-sided exact Kolmogorov-Smirnov test
data:  x
D = 1, p-value = 2.22e-16
alternative hypothesis: two-sided
  # p < 0.05，H0: 蛾在樹上不同高度的分布是均勻分布，不成立。
  # p > 0.05，H0: 蛾在樹上不同高度的分布是均勻分布，成立。

8. 使用R計算單一樣本柯爾莫哥洛夫-斯米爾諾夫檢定，方法四:
第一步: 輸入建立資料。
  x <- c(1.4, 2.6, 3.3, 4.2, 4.7, 5.6, 6.4, 7.7, 9.3, 10.6, 11.5, 12.4, 18.6, 22.3)
第二步: 使用基本模組(base)中的ks.test函數代入x計算柯爾莫哥洛夫-斯米爾諾夫檢定。
  stats::ks.test(x, punif, alternative = "two.sided", exact = TRUE)
  # x只有一組樣本(one-sample test)。
  # punif 檢定的是資料是否為均勻分布(uniform distribution)。
  # exact = TRUE估計p值
第三步: 判讀結果。
        One-sample Kolmogorov-Smirnov test
data:  x
D = 1, p-value < 2.2e-16
alternative hypothesis: two-sided
  # p < 0.05，H0: 蛾在樹上不同高度的分布是均勻分布，不成立。
  # p > 0.05，H0: 蛾在樹上不同高度的分布是均勻分布，成立。

來勁了嗎? 想知道更多?? 補充資料(連結):
1. 關於Andrey Kolmogorov (https://en.wikipedia.org/wiki/Andrey_Kolmogorov)
2. 關於Nikolai Smirnov (https://en.wikipedia.org/wiki/Nikolai_Smirnov_(mathematician))
3. 關於Goodness of fit (https://en.wikipedia.org/wiki/Goodness_of_fit)
4. 柯爾莫哥洛夫-斯米爾諾夫檢驗計算公式 (https://en.wikipedia.org/wiki/Kolmogorov%E2%80%93Smirnov_test)
5. 關於R基礎，R繪圖及統計快速入門:
   a. R Tutorial: https://www.tutorialspoint.com/r/index.htm
   b. Cookbook for R: http://www.cookbook-r.com/
   c. Quick-R: https://www.statmethods.net/
   d. Statistical tools for high-throughput data analysis (STHDA): http://www.sthda.com/english/
e. The Handbook of Biological Statistics: http://www.biostathandbook.com/
f. An R Companion for the Handbook of Biological Statistics: http://rcompanion.org/rcompanion/index.html
6. Zar, JH. 2010. Biostatistical Analysis, Fifth Edition, Pearson.

留言

張貼留言

這個網誌中的熱門文章

統計不球人 目錄 (Table of Contents)

用 R 做生醫資料科學   (Biomedical Data Science using R) 如何選擇統計方法 1 如何選擇統計方法  2 ***************************   第一段 : 起手式   ****************************** 套路 0: 安裝 R 不球人 套路 1: R 算統計不球人 ， 使用 R 函數 套路 2: 使用 ggplot2 繪圖 (Graphics using ggplot2) 套路 3: 敘述性統計 (Descriptive Statistics) 套路 4: 如何檢查資料是否接近常態分布 (Check Normality using R) 套路 5: 機率分布 (Probability Distributions) ***************************   第二段 : 比較平均值、中數   *************************** 套路 6: 單一樣本 Z 檢定 (One-Sample Z test) 套路 7: 單一樣本 t 檢定 (One-Sample t test) 套路 8: 單一樣本 Wilcoxon signed-rank 檢定 ( One-Sample Wilcoxon signed-rank test ， non-parametric ) 套路 9: 單一樣本符號檢定 (One Sample Sign test) 套路 10: 兩組獨立樣本 Z 檢定 (Two-Sample Z Test) 套路 11: 兩組變異數相同獨立樣本 t 檢定 ( t Test for Two-Samples with Equal Variances) 套路 12: 兩組變異數不同樣本 t 檢定 ( t Test for Two-Samples with Unequal Variances ， Welch Two Sample t test) 套路 13: 成對樣本 t 檢定 (Paired Sample t test) 套路 14: 兩組獨立樣本曼恩 - 惠尼 U 檢定 (...
閱讀完整內容

如何選擇統計方法 1

如何選擇統計方法 1 第一步 : 選擇統計方法可 依照統計方法用途的分類 來選擇統計方法 。 第二步 : 要了解確認統計方法的用途可看他的虛無假設 (Null hypothesis) H 0 。 以下為統計方法用途分類及本站網頁聯結 。 類別 1. 對資料進行基本分析 ， 以了解資料的大概情況 (summary) ， 例如平均值 、 中位數 、 四分位數 、 有無離群值 (outlier) 及是否為常態分布等 … 敘述性統計 (Descriptive Statistics) 如何檢查資料是否接近常態分布 (Normality Test using R) 類別 2. 比較平均值 (mean) 或中位數 (median) 2.1. 單一樣本 ( 與期望值或特定值相比 ) 單一樣本 Z 檢定 (One-Sample Z test) 單一樣本 t 檢定 (One-Sample t test) 單一樣本 Wilcoxon signed-rank 檢定 ( One-Sample Wilcoxon signed-rank test) 單一樣本符號檢定 (One Sample Sign test) 2.2. 兩組獨立樣本 ( 兩組獨立樣本相比 ) 兩組獨立樣本 Z 檢定 (Two-Sample Z Test) 兩組變異數相同樣本 t 檢定 (t Test for Two-Samples with Equal Variances) 兩組變異數不同樣本 t 檢定 (t Test for Two-Samples with Unequal Variances ， Welch Two Sample t-test) 兩組獨立樣本曼恩 - 惠尼 U 檢定 (Two-Sample Mann-Whitney U Test) 比較兩組獨立次序資料 (Two-Sample Test for Ordinal Data) 兩組獨立樣本 Mood's 中位數檢定 (Two-Sample Mood's Median Test) 2.3. 兩組成對樣本 ( 兩組成對樣本相比 ) 成對樣本 t 檢定 (Pai...
閱讀完整內容

單因子多樣本中位數差異檢定 (Kruskal-Wallis test)

圖片
套路 21: 單因子多樣本中位數差異檢定 (Kruskal-Wallis test) 變異數分析適用連續資料之差異分析，若自變項有一個，就是單因子變異數分析。 多樣本中位數差異檢定是對應 單因子變異數分析的無母數分析方法。當數據不符合單因子變異數分析的前提假設 ( 相同變異數，數據為常態分布 ) 時，可選擇 多樣本中位數差異檢定來做為替代分析方法 。 ** 注意 ** ” 比較變異數 ” (comparing variances) 和 ” 變異數分析 ” (analysis of variance) 不同。變異數分析是多組資料比較平均值或中位數。統計假設檢定檢定什麼 ? 看 H 0 。例如多組獨立樣本假設檢定 H 0 : k 組樣本中位數相同， H A : 至少有一組中位數不同 ， 是檢定多組資料的中位數是否相同。假設相等時為雙尾 (two-tailed test) 檢定。 1. 使用時機 : 用於比較多組樣本中位數 (median) 。 2. 分析類型 : 無母數分析 (non-parametric analysis) 。 直接使用資料數值算統計叫 parametric 方法，把資料排序之後用排序的名次算統計叫 non-parametric 方法。 3. 假設前提 : 無。 4. 範例資料 : 咪路調查餵食不同飼料的肉雞體重 (g) ， 資料如下： 飼料 1 飼料 2 飼料 3 飼料 4 61.8 78.8 70.5 60.3 65.1 79.5 72.6 63.8 61.7 76.0 71.7 64.1 63.3 73.4 72.0 61.4 77.3 71.1 60.9 不同飼料是否效果不同 ? H 0 : 餵食不同飼料的肉雞體重 ( 中位數 ) 相同。 H A : 餵食不同飼料的肉雞體重 ...
閱讀完整內容