Walmes, ele pode também, ao invés de usar KS, usar qui-quadrado (Este é o menos preciso deles), mas é o mais fácil de explicar. Se a quantidade de dados for grande, a precisão é boa, pois vc pode dividir em mais intervalos. On 26/04/2011, at 09:21, Walmes Zeviani wrote:
> Cristiano, > > A mensagem sobre os empates vem do fato da sua amostra possuir valores > repetidos. Às vezes, a precisão dessa medidas (casas decimais) é pequeno, > imagine medir altura de 100 pessoas, é bem provável ter duas com 1,78 m, ou > outro valor. > > Na ks.test(vetor_observado, distribuição, parametro1, parametro2, > demais_opções), você precisa passar o valor dos parâmetros sob hipótese. > Normalmente os valores usando são as estimativas obtidas com os dados. Então > você precisa estimar. Para o caso da normal, mean(x) e sd(x) são os > estimadores. Para outras distribuições você pode usar a função > MASS::fitdistr(). Consulte a documentação para instruções de uso. > > À disposição. > Walmes. > > ========================================================================== > Walmes Marques Zeviani > LEG (Laboratório de Estatística e Geoinformação, 25.450418 S, 49.231759 W) > Departamento de Estatística - Universidade Federal do Paraná > fone: (+55) 41 3361 3573 > VoIP: (3361 3600) 1053 1173 > e-mail: [email protected] > twitter: @walmeszeviani > homepage: http://www.leg.ufpr.br/~walmes > linux user number: 531218 > ========================================================================== > > > 2011/4/25 Cristiano Melo <[email protected]> > É o seguinte: tenho em um arquivo txt um vetor que representa tempos até a > falha de equipamentos. Gostaria de fazer alguns teste de aderência para > verificar se estes dados se aproximam de algumas distribuições de > probabilidade. Usei o lillie.test(dados) para verificar se dos dados aderem a > uma distribuição nomal. No entanto, gostaria de verificar se estes mesmos > dados (e algumas variações) se aderem a uma exponencial, gamma e weibull. > > Sei que a função é a ks.test(x, y,..., alternative=c("two.sided" "less" or > "greater")) para o teste de Kolmogorov-Smirnov. > Para testar normalidade com a função ks, fiz o seguinte: ks.test(vetor, > "pnorm", sd=sd(vetor), mean=mean(vetor),alternative=c("two.sided")). Curioso > que o resultado foi bem diferente da lillie.test, a seguinte mensagem foi > apresentada: > Warning message: > In ks.test(vetor, "pnorm", sd=sd(vetor), > mean=mean(vetor),alternative=c("two.sided")), : não é possível calcular os > níveis descritivos corretos com empates. > O que isso quer dizer??????? > > Quando tentei usar outra distribuição, pweibull por exemplo, o p-value foi > menor que 2.2e-16, ou seja, nada a ver, e repetindo a mesma frase anterior. O > mesmo resultado foi com as outras. Como não sei a sintaxe para weibull fiz o > seguinte: > ks.test(vetor, "pweibull", 1.129, 2,alternative=c("two.sided")) > > Onde estou errando? Vi que para montar uma pweibull são necessários o vetor > de quantis e os parâmetros shape e scale. É necessário fazer separado e > quardar em uma variável e depois jogar na ks? Como consigo esse vetor de > quantis? Achei que seria automático. > Estou correto se fizer assim: > > ks.test(vetor, "pweibull",10,2) > > E tem alguma forma de estimar os parâmetros shape e scale desta função? > > > _______________________________________________ > R-br mailing list > [email protected] > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br > > > _______________________________________________ > R-br mailing list > [email protected] > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
_______________________________________________ R-br mailing list [email protected] https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
