मुझे आश्चर्य होता है कि क्या एक बायोमॉडल वितरण के महत्व को "परीक्षण" करने के लिए कोई सांख्यिकीय परीक्षण है। मेरा मतलब है, मेरा डेटा बिमोडल वितरण से कितना मिलता है या नहीं? यदि हां, तो क्या आर कार्यक्रम में कोई परीक्षण है?
मुझे आश्चर्य होता है कि क्या एक बायोमॉडल वितरण के महत्व को "परीक्षण" करने के लिए कोई सांख्यिकीय परीक्षण है। मेरा मतलब है, मेरा डेटा बिमोडल वितरण से कितना मिलता है या नहीं? यदि हां, तो क्या आर कार्यक्रम में कोई परीक्षण है?
जवाबों:
इस मुद्दे पर एक और संभावित दृष्टिकोण यह सोचना है कि आपके द्वारा देखे जा रहे डेटा को उत्पन्न करने वाले दृश्यों के पीछे क्या हो सकता है। यही है, आप एक मिश्रण मॉडल के संदर्भ में सोच सकते हैं , उदाहरण के लिए, एक गाऊसी मिश्रण मॉडल। उदाहरण के लिए, आप मान सकते हैं कि आपका डेटा या तो एक सामान्य आबादी से, या दो सामान्य वितरणों के मिश्रण से (कुछ अनुपात में) अलग-अलग साधनों और भिन्नताओं से तैयार किया गया है। बेशक, आपको यह विश्वास करने की आवश्यकता नहीं है कि केवल एक या दो हैं, और न ही आपको यह विश्वास करना है कि जिन आंकड़ों से डेटा खींचा गया है, उन्हें सामान्य होने की आवश्यकता है।
कम से कम दो आर पैकेज हैं जो आपको मिश्रण मॉडल का अनुमान लगाने की अनुमति देते हैं। एक पैकेज flexmix है , और दूसरा mclust है । दो उम्मीदवार मॉडल होने का अनुमान है, मेरा मानना है कि संभावना अनुपात परीक्षण करना संभव हो सकता है। वैकल्पिक रूप से, आप पैरामीट्रिक बूटस्ट्रैप क्रॉस-फिटिंग विधि ( पीडीएफ ) का उपयोग कर सकते हैं ।
जैसा कि टिप्पणियों में उल्लेख किया गया है, 'बिमोडल वितरण' पर विकिपीडिया पृष्ठ में असमानता के खिलाफ बहुउद्देशीयता के लिए आठ परीक्षणों की सूची है और उनमें से सात के लिए संदर्भ की आपूर्ति करता है।
उदाहरण के लिए आर में कम से कम कुछ हैं:
पैकेज diptest
हार्टिगन के डुबकी परीक्षण को लागू करता है।
stamp
में डेटा bootstrap
पैकेज एफ्रोन और Tibshirani के दशक में इस्तेमाल किया गया था परिचय बूटस्ट्रैप के लिए (पुस्तक है जिस पर पैकेज आधारित है) मोड की संख्या पर bootstrapping से संबंधित एक उदाहरण ऐसा करने के लिए; यदि आपके पास पुस्तक तक पहुंच है, तो आप उस दृष्टिकोण का उपयोग करने में सक्षम हो सकते हैं।
एफ्रॉन, बी और टिबशिरानी, आर। (1993) एन इंट्रोडक्शन टू द बूटस्ट्रैप ।
चैपमैन एंड हॉल, न्यूयॉर्क, लंदन।
-
सीवी पर एक सवाल है जो पहचान करने की बात करता है (यानी, परीक्षण के बजाय आकलन) मोड की संख्या जो @ व्हिबर की खोज को बदल देती है। यह वहाँ जवाब पढ़ने के लायक है। वहाँ प्रतिक्रियाओं में से एक (मेरा, जैसा कि होता है) में एक Google खोज का लिंक होता है, जो डेविड डोनोहो द्वारा इस पेपर को एकतरफा CI के निर्माण के लिए मोड की संख्या के लिए बदल देता है, जिसे बेशक एक परीक्षण के रूप में इस्तेमाल किया जा सकता है (जैसे , यदि एकतरफा अंतराल में एकतरफा मामला शामिल नहीं है, तो आप असमानता को अस्वीकार कर सकते हैं)। मेरे ज्ञान का सबसे अच्छा करने के लिए नहीं हैविकिपीडिया का उल्लेख है कि परीक्षणों में से एक। मुझे नहीं लगता कि उस अंतराल का कोई आर कार्यान्वयन है, लेकिन (इस तथ्य के बावजूद कि डोनोहो इसकी चर्चा में काफी परिष्कृत उपकरणों का उपयोग करता है) यह वास्तव में लागू करने के लिए एक बहुत ही सरल विचार है। यह विचार सीधे कर्नेल घनत्व अनुमान का उपयोग करने की धारणा से संबंधित है।