R语言系列：分布一致性和离散一致性检验

一、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(！)的累积几率函数，则检验x是否与已知分布一致。
    #注意累积几率函数还能够带参数
    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等长的几率向量，缺省表示x取值几率相等
    离散分布的一致性检验其实是理论频数和实际频数的差异检验
    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

二、离散一致性检验
2.1 非参数方法（基于秩）
2.1.1 mood.test(x, y)    #该检验假设两样本中位数相同，所以须要将两个中位数的差别消除再比较
    #实际使用以下：
    diff=median(x)-median(y); y=y+diff; mood.test(x,y);
2.1.2 ansari.test(x,y)    #用于两样本，当数据中有结时会出现警告。也须要将两个中位数的差别消除再比较
2.1.3 fligner.test(x)    #x是一个列表(！)，用于多样本，不须要消除中位数的差别
2.2 参数方法
    var.test(x,y)    #用于来自正态整体的两个样本
    bartlett.test(x)    #用于来自正态整体的多个样本