R语言系列：分布一致性和离散一致性检验

1、分布一致性检验
1.1 连续分布
1.1.1 ks.test(x, y)     #Kolmogorov-Smirnov分布一致性检验
    #x是数字向量，y若为数字向量，则检验x与y是否分布一致
    #y若为连续分布(！)的累积概率函数，则检验x是否与已知分布一致。
    #注意累积概率函数还可以带参数
例：
    x=rnorm(100, 175, 10); ks.test(x, pnorm, 175, 10);
    y=runif(100, 100, 1000); ks.test(y, punif, 100, 1000);
1.1.2 shapiro.test(x)    #Shapiro-Wilk正态性检验，样本含量在[3, 5000]之间
1.2离散分布
chisq.test(x, p)    #p是与x等长的概率向量，缺省表示x取值概率相等
离散分布的一致性检验实际上是理论频数和实际频数的差别检验
步骤：
     利用样本对分布进行参数的点估计
     用估计的分布函数计算理论频数
     对实际频数和理论频数进行卡方检验

2、离散一致性检验
2.1 非参数方法（基于秩）
mood.test(x, y)    #该检验假设两样本中位数相同，因此需要将两个中位数的差异消除再比较
    #实际使用如下：
    diff=median(x)-median(y); y=y+diff; mood.test(x,y);
ansari.test(x,y)    #用于两样本，当数据中有结时会出现警告。也需要将两个中位数的差异消除再比较
fligner.test(x)    #x是一个列表(！)，用于多样本，不需要消除中位数的差异
2.2 参数方法
var.test(x,y)    #用于来自正态总体的两个样本
bartlett.test(x)    #用于来自正态总体的多个样本