我使用Kolmogorov-Smirnov检验来检验样品的正态性。例如，当我做
x <- rnorm(1e4, 10, 5)
ks.test(x, "pnorm")
我得到以下结果：
D = 0.4556, p-value < 2.2e-16
alternative hypothesis: two-sided
p值几乎为0。但是我不明白为什么，因为测试应该接受无效假设...。
您可以使用Kolmogorov-Smirnov检验来检验正态性，因为它是拟合检验的良方。但是，（如莫里斯·埃弗斯（Maurits Evers）在评论中指出的那样）更具体的测试（如Shapiro-Wilk）将更适合。
当您要将样本的分布与x理论分布比较为时pnorm，需要提供此分布的参数。在此cas中，均值和标准差。
这是您应该拥有的：
ks.test(x, "pnorm", 10, 5)
编辑：
stats在这种情况下，如何使用Shapiro-Wilk测试的示例（也从包装中使用），因为它的功能比KS强大：
shapiro.test(x)
请注意，在此实现中，的长度x必须在3到5000之间。
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句