Peacock Test Implementierung

Question

Ich möchte statistisch vergleichen, wenn zwei 2D-Verteilungen die gleichen sind. Daher würde ich gerne den Peacock-Test (2D-Kolomogorov-Smirnov-Test) verwenden. Es gibt seit einem Jahr ein R-Paket namens Peacock.test, das behauptet, es zu tun.

Aber die Dokumentation ganz für dieses Paket reduzieren, d.h .:

„Die beiden Funktionen: peacock2 und peacock3 in diesem Paket enthalten sind selbsterklärend und ihre Nutzung ist sehr einfach.“

Insbesondere konnte ich nicht finden, was die Ausgabe der Pfauenfunktion darstellt (Während ich denke, das ist so etwas wie ein p-Wert)? Hat jemand diese Funktion getestet und könnte mir sagen, was es ist (und ob diese Funktion zuverlässig ist?)?

Anwendungsbeispiel:

x <- matrix(rnorm(12, 0, 1), ncol=2) 
y <- matrix(rnorm(16, 0, 1), ncol=2) 
ks <- peacock2(x, y) 
ks 

Dank

Answer 1

Ich weiß nicht, ob es zuverlässig ist oder nicht, aber der Code sieht ziemlich einfach.

Jetzt die schlechte Nachricht: basierend auf ?peacock2, was die Funktion gibt Ihnen ist

Wert:

der Wert der Teststatistik

Das bedeutet, dass es nicht geben Sie den p-Wert. Die original paper ("Zweidimensionale Anpassungsgüteprüfung in der Astronomie", JA Peacock, Monatsberichte der Royal Astronomical Society, 1983) gibt eine Tabelle von kritischen Werten, die von Monte-Carlo-Simulation und einer analytischen Approximation abgeleitet sind . Um einen p-Wert von Ihrer Teststatistik zu erhalten, müssen Sie (1) Ihre Teststatistik D in eine Z-Statistik umwandeln (Abschnitt 3.5 sagt Z=sqrt(n1*n2/(n1+n2))*D für den Zwei-Stichproben-Test, vorausgesetzt beide n Werte sind> 10) und dann schlägt vor, dass Sie dies durch P(>Z)=2*exp(-2*(Z-0.5)^2) nähern können.

Ich würde auf jeden Fall empfehlen empfehlen, das Originalpapier zu lesen und doppelte Überprüfung/Ableiten für sich selbst, wenn Sie vorhaben, es zu verwenden.