Giải thích trên trang được tham khảo là
Theo giả thuyết xác suất được chính xác k / n simPr(P≤k/nsim)k/nsim khi cả hai tính ngẫu nhiên trong các dữ liệu và tính ngẫu nhiên trong mô phỏng được đưa vào tính toán.
Để hiểu điều này, chúng ta phải xem mã, trong đó các dòng chính (viết tắt đáng kể) là
fred <- function(x) {ks.test(...)$statistic} # Apply a statistical test to an array
d.hat <- fred(x) # Apply the test to the data
d.star <- apply(matrix(rnorm(n*nsim), n, nsim),
2, fred) # Apply the test to nsim simulated datasets
pval <- (sum(d.star > d.hat) + 1) / (nsim + 1)# Estimate a simulation p-value
Vấn đề nổi bật là mã không khớp với báo giá. Làm thế nào chúng ta có thể hòa giải chúng? Một nỗ lực bắt đầu với nửa cuối của trích dẫn. Chúng tôi có thể giải thích quy trình bao gồm các bước sau:
Dữ liệu thu thập một cách độc lập và hệt phân phối theo một số luật xác xuất G . Áp dụng quy trình thử nghiệm t (được thực hiện trong mã dưới dạng ) để tạo ra số T 0 = t ( X 1 , Rò , X n ) .X1,X2,…,XnGtfred
T0=t(X1,…,Xn)
Tạo thông qua máy tính bộ dữ liệu có thể so sánh, mỗi kích thước n , theo một giả thuyết định của pháp luật xác xuất F . Áp dụng t cho mỗi bộ dữ liệu như vậy để tạo ra N số T 1 , T 2 , ... , T N .N=nsimnFtNT1,T2,…,TN
Tính
P=(∑i=1NI(Ti>T0)+1)/(N+1).
Id.star > d.hat
T0Ti
F=Gα0<α<1N+11P≤αα(N+1)α−1TiT0T0(N+1)αN+1T0TiF⌊(N+1)α⌋
Pr(P≤α)=⌊(N+1)α⌋N+1≈α
(N+1)αkα=k/(N+1)
[0,1]N+1αk/(N+1)=k/(nsim+1)Phộp thoại tôi đã đăng về chủ đề giá trị p. )
nsim+1nsim