Giá trị p của NaN khi sử dụng goodfit của R trên dữ liệu nhị thức

Tôi đang cố gắng kiểm tra mức độ phù hợp của một vectơ dữ liệu đếm đến nhị thức. Để làm như vậy tôi đang sử dụng goodfit()chức năng trong vcdgói. Tuy nhiên, khi tôi chạy hàm, nó sẽ trả về NaNgiá trị p của phép thử Chi bình phương. Trong thiết lập của tôi, tôi có một vectơ dữ liệu đếm với 75 phần tử.

> library(vcd)
> counts <- c(32, 35, 44, 35, 41, 33, 42, 49, 36, 41, 42, 45, 38, 43, 36, 
35, 40, 40, 43, 34, 39, 31, 40, 39, 36, 37, 37, 37, 32, 48, 41, 
32, 37, 36, 49, 37, 41, 36, 34, 37, 41, 32, 36, 36, 30, 33, 33, 
42, 39, 36, 36, 29, 31, 41, 36, 39, 40, 37, 39, 39, 31, 39, 37, 
40, 33, 41, 34, 46, 35, 41, 44, 38, 44, 34, 42)
> test.gof <- goodfit(counts, type="binomial", 
+                     par=list(size=length(counts), prob=0.5))

Mọi thứ hoạt động tốt, nhưng khi tôi kiểm tra goodfit()đối tượng, tôi nhận được như sau:

> summary(test.gof)

 Goodness-of-fit test for binomial distribution

                      X^2 df  P(> X^2)
Pearson               NaN 75       NaN
Likelihood Ratio 21.48322 19 0.3107244
Warning message:
In summary.goodfit(test.gof) : Chi-squared approximation may be incorrect

Tôi nghi ngờ đó là một vấn đề kích thước mẫu nhỏ lúc đầu, nhưng tôi cũng có một bộ dữ liệu với 50 quan sát không trả về NaNgiá trị p. Tôi cũng đã cố gắng chuyển phương thức goodfit()sang ML với kết quả tương tự.

Tại sao chức năng này sẽ được sản xuất NaNtrong trường hợp này? Có một chức năng thay thế để tính toán GOF trên dữ liệu đếm?

Bạn có tần số bằng không trong số lượng quan sát. Điều đó giải thích NaNs trong dữ liệu của bạn. Nếu bạn nhìn vào test.gofđối tượng, bạn sẽ thấy rằng:

table(test.gof$observed)

 0  1  2  3  4  5  7  8 10 
56  5  3  2  5  1  1  2  1

bạn có 56 số không. Dù sao, IMHO câu hỏi này là dành cho http://stats.stackexchange.com .

Bạn sẽ hạnh phúc hơn với một đối tượng goodfit thay đổi phẫu thuật?

> idx <- which(test.gof$observed != 0)
> idx
 [1] 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 49 50
> test.gof$par$size <- length(  idx-1)
> test.gof$fitted <- test.gof$fitted[idx]
> test.gof$count <- test.gof$count[idx]
> test.gof$observed <- test.gof$observed[idx]
> summary(test.gof)

     Goodness-of-fit test for binomial distribution

                      X^2 df  P(> X^2)
Pearson               Inf 75 0.0000000
Likelihood Ratio 21.48322 19 0.3107244
Warning message:
In summary.goodfit(test.gof) : Chi-squared approximation may be incorrect

Hãy thử vẽ nó. Bạn sẽ có một ý tưởng tốt hơn về những gì đang xảy ra. Như đã đề cập trước đây, bạn đang nhận NaN vì bạn truyền 0 tần số cho chisq.test ()

test.gof <- goodfit(counts, type="binomial", par=list(size=length(counts), prob=0.5)) 
plot(test.gof)
## doesn't look so good 
test.gof <- goodfit(counts, type="binomial", par=list(size=length(counts))) 
plot(test.gof)
## looks a little more clear