R语言对随机变量的分布进行检验,采用的是非参数统计的方法。本文将采Kolmogorov-Smirnov检验,具体代码如下:
比如正态性检验:
x <- rnorm(50)#产生数据 ks.test(x, 'pnorm')
运行上面代码输出结果如下:
> x <- rnorm(50)
> ks.test(x, 'pnorm')
One-sample Kolmogorov-Smirnov test
data: x
D = 0.14897, p-value = 0.1964
alternative hypothesis: two-sided
这个检验的假设是:H0:该分布是正态分布,H1:该分布不是正态分布
从输出的P-value来看是没有充分理由不接受原假设。
至于其他分布的检验,可以类似操作,只不过是把ks中的‘rnorm’改为其他的分布,如:指数:‘rexp’等