在结合了两个分布的模型中测量拟合优度
我有要建模的双峰数据，并且峰之间有足够的重叠，因此无法独立对待它们。数据的直方图可能看起来像这样： 为此，我创建了两个模型：一个模型使用两个Poisson分布，另一个模型使用两个负二项式分布（以解决过度分散问题）。哪种模型可以更准确地确定适合数据的合适方法是什么？ 我最初的想法是，我可以使用Kolmogorov-Smirnov检验将每个模型与数据进行比较，然后进行似然比检验，看是否一个模型更合适。这有意义吗？如果是这样，我不确定如何执行似然比测试。卡方是否合适，我有多少自由度？ 如果有帮助，这些模型的一些（非常简化的）R代码可能看起来像这样： ## inital data points a <- read.table("data") #create model data model.pois = c(rpois(1000000,200),rpois(500000,250)) model.nb = c(rnbinom(1000000,200,0.5),rnbinom(500000,275,0.5) #Kolmogorov-Smirnov test #use ks.boot, since it's count data that may contain duplicate values kpois = ks.boot(model.pois,a) knb = ks.boot(model.nb,a) #here's where I'd do some sort of likelihood ratio test # …