Mam garść danych z dwóch próbek (kontrolnej i poddanej obróbce), z których każda zawiera kilka tysięcy wartości, które mają zostać poddane testom istotności w R. Teoretycznie wartości powinny być ciągłe, ale z powodu zaokrąglenia wykonanego przez oprogramowanie pomiarowe nie są i mają więzi. Rozkłady są nieznane, a kształty rozkładów kontrolnych i leczonych mogą być różne, dlatego chciałbym zastosować test nieparametryczny, aby porównać, czy różnica między próbkami jest znacząca dla 10 różnych czynników.
Myślałem o zastosowaniu testu Kołmogorowa-Smirnowa, ale tak naprawdę nie nadaje się do więzi. Niedawno natknąłem się na nową bibliotekę R o nazwie Matching, która wykonuje bootstrapową wersję testu KS i toleruje więzi. Czy to naprawdę dobry pomysł, czy powinienem zamiast tego użyć innego testu? I czy muszę dostosować wartość p?
Odpowiedzi:
Zamiast korzystać z testu KS, możesz po prostu użyć procedury permutacji lub ponownego próbkowania zaimplementowanej w
oneway_test
funkcjicoin
pakietu. Spójrz na zaakceptowaną odpowiedź na to pytanie .Aktualizacja : Mój pakiet
afex
zawiera funkcjęcompare.2.vectors
implementującą permutację i inne testy dla dwóch wektorów. Możesz go pobrać z CRAN:Dla dwóch wektorów
x
iy
(obecnie) zwraca coś takiego:Wszelkie uwagi dotyczące tej funkcji są mile widziane.
źródło