em teoria, serão dados discretos. você basicamente vai ter a frequência esperada e a observada nos intervalos. à medida que vc aumenta o número de divisões, o teste fica melhor (Mesma analogia da integral). por isso eu citei que precisa de uma quantidade boa de dados para ser mais preciso.
Acredito que em 125 observações, a precisão não fique legal, o K-S dá algo melhor On 26/04/2011, at 12:45, Cristiano Melo wrote: > Leonard, > Acredito que não tenho muitos dados, são 125 ao todo, mas vou fazer algumas > subdivisões, o que tornará menor ainda. No meu caso eu trato tempos até a > falha. Eu tinha entendido que o qui-quadrado era para dados discretos > (corrijam-se se estiver errado). > > Em 26 de abril de 2011 09:36, Leonard Assis <[email protected]>escreveu: > >> 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 >> >> > _______________________________________________ > 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
