进行单尾KS测试是否有意义并且可行?
绝对是
KS测试本质上是两尾测试?
一点也不。
这样的检验的原假设是什么?
您不清楚是在谈论一个样本还是两个样本的测试。我的回答涵盖了两种情况-如果您认为代表从中抽取X样本的总体的cdf ,则它是两个样本,而通过将F X视为某个假设分布(F 0,若你宁可)。FXXFXF0
在某些情况下,您可以将null编写为等式(例如,没有其他可能的用法),但是如果您想为一个尾部替代项编写方向性null,则可以这样编写: :
H0:Fÿ(吨)≥ ˚FX(吨)
H1:Fÿ(t )< FX(吨)至少一Ť
(或者相反,另一条尾巴自然相反)
如果在测试中添加一个假设,即它们相等或会更小,则拒绝null意味着(一阶)随机排序 /一阶随机优势。在足够大的样本中,F可能会交叉-甚至数次,但仍然拒绝单边测试,因此严格保持该假设对于保持绝对优势地位是必不可少的。Fÿ
松散如果具有严格不等式对于至少一些吨然后ý “趋向于更大”比X。Fÿ(吨)≤ ˚FX(吨)ŤÿX
添加这样的假设并不奇怪。这是标准的。与假设(均方差分析)假设均值差异不是由于整个分布的变化(而不是偏度的变化,不是偏度的变化)不同,在这种情况下,某些分布向下移动,而某些向上移动,均值已改变的方式)。
因此,让我们考虑例如法线平均值的变化:
对于分配的事实是正确的一定量从转移的X意味着˚F Ÿ低于˚F X。在这种情况下,单方面的Kolmogorov-Smirnov检验往往会被拒绝。ÿXFÿFX
类似地,考虑伽玛的比例偏移:
同样,向较大范围的偏移会产生较低的F。同样,在这种情况下,单面Kolmogorov-Smirnov检验将趋于拒绝。
在许多情况下,这样的测试可能有用。
d+d-
d+F0d-F0d+d-
d+d-
H0:Fÿ(吨)≥ ˚F0(吨)
H1:Fÿ(t )< F0(吨)至少一Ť
YFF0D−FY(t)<F0(t)D−
D+D−
这不是一件简单的事情。已经使用了多种方法。
如果我没记错的话,是通过使用布朗桥过程获得分布的一种方法(该文档似乎支持这种回忆)。
我相信这个由马尔萨利亚纸,纸张等人 在这里都盖了一些背景,给人以大量文献的计算算法。
在这两者之间,您将获得很多历史和已使用的各种方法。如果他们没有满足您的需求,则可能需要将其作为一个新问题提出。
DnD+D−
这并不特别令人惊讶。如果我没记错的话,即使是渐近分布也是作为一个序列获得的(这种回忆很可能是错误的),并且在有限样本中它是离散的而不是任何简单形式。无论哪种情况,都没有方便的方式来显示信息,除非是以图形或表格的形式。