有一个独立变量X,我想知道它是否服从指数分布。
按理说是可以用卡方检验进行检验的,但是我在实际中遇到了一些问题。
先说X,我预测X~exp(λ =1),变量X的容量为1000, 观测值区间为(0,7)。因此,
1、我打算对变量X分组tab1,统计每组区间的频率
2、然后构造一个新的变量tab2存放对应指数分布的在对应分组内的概率
3、最后进行卡方检验, 通过P值判断是否服从指数分布
最后
b <-seq(0,7, by = 1)
tab1 <- table(cut(X,breaks=b))
tab2 <- pexp(b, 1)
chisq.test(tab1, p = tab2) #代码里tab1是表,tab2是向量,还需要对tab1进行处理
问题在于tab1中的数据
(0,1] (1,2] (2,3] (3,4] (4,5] (5,6] (6,7]
636 231 90 27 12 1 3
因为有数据在1-5之间,因此卡方检验会提示结果可能不准,但是修正卡方检验和fisher精确检验似乎都不太适用? 因为数据不是2*2矩阵


雷达卡




京公网安备 11010802022788号







