程序包 org.hipparchus.stat.inference

类 KolmogorovSmirnovTestTest

java.lang.Object
org.hipparchus.stat.inference.KolmogorovSmirnovTestTest
public class KolmogorovSmirnovTestTest extends Object
KolmogorovSmirnovTest的测试用例。

  • 字段详细资料

    • TOLERANCE

      protected static final double TOLERANCE
      另请参阅:

    • gaussian

      protected static final double[] gaussian

    • gaussian2

      protected static final double[] gaussian2

    • uniform

      protected static final double[] uniform

  • 构造器详细资料

    • KolmogorovSmirnovTestTest

      public KolmogorovSmirnovTestTest()

  • 方法详细资料

    • testOneSampleGaussianGaussian

      public void testOneSampleGaussianGaussian()
      单位正态分布，单位正态数据

    • testOneSampleGaussianGaussianSmallSample

      public void testOneSampleGaussianGaussianSmallSample()
      单位正态分布，单位正态数据，小数据集

    • testOneSampleGaussianUniform

      public void testOneSampleGaussianUniform()
      单位正态分布，均匀数据

    • testOneSampleUniformUniform

      public void testOneSampleUniformUniform()
      均匀分布，均匀数据

    • testOneSampleUniformUniformSmallSample

      public void testOneSampleUniformUniformSmallSample()
      均匀分布，均匀数据，小数据集

    • testOneSampleUniformGaussian

      public void testOneSampleUniformGaussian()
      均匀分布，单位正态数据集

    • testTwoSampleSmallSampleExact

      public void testTwoSampleSmallSampleExact()

    • testTwoSampleSmallSampleExact2

      public void testTwoSampleSmallSampleExact2()

    • testTwoSampleSmallSampleExact3

      public void testTwoSampleSmallSampleExact3()

    • testTwoSampleSmallSampleExact4

      public void testTwoSampleSmallSampleExact4()

    • testTwoSampleSmallSampleExact5

      public void testTwoSampleSmallSampleExact5()

    • testTwoSampleSmallSampleExact6

      public void testTwoSampleSmallSampleExact6()

    • testTwoSampleSmallSampleExact7

      public void testTwoSampleSmallSampleExact7()

    • testTwoSampleExactP

      public void testTwoSampleExactP()
      使用V.K Rohatgi的《概率与数理统计导论》（Wiley，1976年，ISBN 0-471-73135-8）中表9的临界值计算精确p值。

    • testTwoSampleApproximateCritialValues

      public void testTwoSampleApproximateCritialValues()

    • testPelzGoodApproximation

      public void testPelzGoodApproximation()

    • testTwoSampleApproximateP

      public void testTwoSampleApproximateP()
      验证大样本近似p值与R的一致性

    • testTwoSampleProductSizeOverflow

      public void testTwoSampleProductSizeOverflow()
      MATH-1181 验证对于样本乘积 > Integer.MAX_VALUE（样本乘积整数溢出）会选择大样本方法。

    • testTwoSampleWithManyTies

      public void testTwoSampleWithManyTies()

    • testTwoSamplesAllEqual

      public void testTwoSamplesAllEqual()

    • testDRounding

      public void testDRounding()
      JIRA：MATH-1245 验证在计算小样本测试的p统计量时，当D值在数学上相等时不被视为不同。参考值来自R 3.2.0。

    • testFillBooleanArrayRandomlyWithFixedNumberTrueValues

      public void testFillBooleanArrayRandomlyWithFixedNumberTrueValues()

    • testBootstrapSmallSamplesWithTies

      public void testBootstrapSmallSamplesWithTies()
      测试一个数据中存在并列值的示例。参考数据为R 3.2.0，ks.boot实现在Matching中（版本4.8-3.4，构建日期：2013/10/28）

    • testBootstrapLargeSamples

      public void testBootstrapLargeSamples()
      参考数据为R 3.2.0，ks.boot实现在Matching中（版本4.8-3.4，构建日期：2013/10/28）

    • testBootstrapRounding

      public void testBootstrapRounding()
      测试一个D值接近的示例（受四舍五入影响）。参考数据为R 3.2.0，ks.boot实现在Matching中（版本4.8-3.4，构建日期：2013/10/28）

    • testFixTiesNoOp

      public void testFixTiesNoOp() throws Exception
      抛出:
      Exception

    • testFixTiesConsistency

      public void testFixTiesConsistency() throws Exception
      验证fixTies是确定性的，即，x = x'，y = y' ⇒ fixTies(x,y) = fixTies(x', y')
      抛出:
      Exception

    • testFixTies

      public void testFixTies() throws Exception
      抛出:
      Exception

    • exactP341

      public double exactP341(double d, int n, int m, boolean strict)
      这是直接从commons math的版本3.4.1复制的。该方法的结果是精确的，但算法速度较慢且扩展性很差。对于大于10的m、n值，不适用。版本3.5及更高版本使用了更高效的方法。

      如果strict为true，则计算\(P(D_{n,m} > d)\)；否则计算\(P(D_{n,m} \ge d)\)，其中\(D_{n,m}\)是2样本Kolmogorov-Smirnov统计量。参见

      无效引用 
      #kolmogorovSmirnovStatistic(double[], double[])
      以获取\(D_{n,m}\)的定义。

      返回的概率是精确的，通过枚举所有\(m + n\)划分为\(m\)和\(n\)组的方式，计算每个划分的\(D_{n,m}\)，并计算产生\(D_{n,m}\)值大于（或大于等于）d的划分数量。

      使用说明：由于此方法枚举所有组合\({m+n} \choose {n}\)，因此如果对较大的m, n调用，速度会非常慢。因此，

      无效引用 
      #kolmogorovSmirnovTest(double[], double[])
      仅在m * n < 时使用。
      参数:
      d - D统计值
      n - 第一个样本大小
      m - 第二个样本大小
      strict - 要计算的概率是否表示为严格不等式
      返回:
      随机选择的m-n划分m + n生成\(D_{n,m}\)大于（或大于等于）d的概率

    • testExactP341

      public void testExactP341() throws Exception
      针对从0.01到1的d值检查精确P值，与Commons Math 3.4.1中的蛮力实现进行比较。参见 exactP341(double, int, int, boolean)，该方法复制了该代码。蛮力实现枚举所有n-m划分，并计算具有小于d的p值数量，因此它确实是精确的（但速度较慢）。此测试将当前代码与3.4.1实现进行比较。将maxSize设置得更高以将测试扩展到更多值。由于3.4.1代码非常慢，将maxSize设置得高于8将使此测试用例运行很长时间。
      抛出:
      Exception

    • testExactP341RealD

      public void testExactP341RealD()
      针对所有实际获得的D值检查精确P值，与Commons Math 3.4.1中的实现进行比较。参见 exactP341(double, int, int, boolean)，该方法复制了该代码。蛮力实现枚举所有n-m划分，并计算具有小于d的p值数量，因此它确实是精确的（但速度较慢）。此测试将当前代码与3.4.1实现进行比较。将maxSize设置得更高以将测试扩展到更多值。由于3.4.1代码非常慢，将maxSize设置得高于8将使此测试用例运行很长时间。