R語言系列：分佈一致性和離散一致性檢驗

一、分佈一致性檢驗
1.1 連續分佈
1.1.1 ks.test(x, y)     #Kolmogorov-Smirnov分佈一致性檢驗
    #x是數字向量，y若爲數字向量，則檢驗x與y是否分佈一致
    #y若爲連續分佈(！)的累積機率函數，則檢驗x是否與已知分佈一致。
    #注意累積機率函數還能夠帶參數
    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正態性檢驗，樣本含量在[3, 5000]之間
1.2離散分佈
    chisq.test(x, p)    #p是與x等長的機率向量，缺省表示x取值機率相等
    離散分佈的一致性檢驗其實是理論頻數和實際頻數的差異檢驗
    步驟：
     利用樣本對分佈進行參數的點估計
     用估計的分佈函數計算理論頻數
     對實際頻數和理論頻數進行卡方檢驗

二、離散一致性檢驗
2.1 非參數方法（基於秩）
2.1.1 mood.test(x, y)    #該檢驗假設兩樣本中位數相同，所以須要將兩個中位數的差別消除再比較
    #實際使用以下：
    diff=median(x)-median(y); y=y+diff; mood.test(x,y);
2.1.2 ansari.test(x,y)    #用於兩樣本，當數據中有結時會出現警告。也須要將兩個中位數的差別消除再比較
2.1.3 fligner.test(x)    #x是一個列表(！)，用於多樣本，不須要消除中位數的差別
2.2 參數方法
    var.test(x,y)    #用於來自正態整體的兩個樣本
    bartlett.test(x)    #用於來自正態整體的多個樣本