Uji Kolmogorov-Smirnov: Béda antarrépisi

Konten dihapus Konten ditambahkan
m →‎top: Ngarapihkeun éjahan, replaced: beda → béda (2), jentre → jéntré using AWB
Ilhambot (obrolan | kontribusi)
m →‎top: Ngarapihkeun éjahan, replaced: numana → nu mana, hade → hadé (2), diartikeun → dihartikeun
Baris ka-1:
Dina [[statistika]], tes '''Kolmogorov-Smirnov''' dipaké keur ngabédakeun dua [[sebaran probabilitas|sebaran]] empiris atawa ngabédakeun sebaran empiris jeung sebaran tiori.
 
Cumulative distribution empiris keur ''n'' observasi ''y<sub>i</sub>'' diartikeundihartikeun ku ''E''(''x'') = <font size=+1>Σ</font> <sub>''i''</sub> (''y<sub>i</sub> < x''). Tes statistik dua-sisi Kolmogorov-Smirnov dirumuskeun ku
 
:<math>D_n^{+}=\max(E(x)-F(x))</math>
Baris ka-7:
:<math>D_n^{-}=\max(F(x)-E(x))</math>
 
numananu mana ''F''(''x'') nyaéta sebaran hipotesa atawa sebaran empiris séjénna. Sebaran probabilitas dua statistik ieu, nunjukkeun yén null hypothesis sebaran sarua nyaéta bener, henteu gumantung kana hipotesa sebaran, salila kontinyu. [[Donald Knuth|Knuth]] nunjukkeun sacara jéntré kumaha cara analisa signifikan tina pasangan statistik ieu. Loba masarakat nu maké max(''D<sub>n</sub><sup>+</sup>, D<sub>n</sub><sup>-</sup>''), tapi sebaran dina ieu statistik leuwih hese keur direngsekeun.
 
Hiji catetan dina kaayaan variabel bébas ''berulang'', saperti poe dina sataun atawa poe dina saminggu, [[Kuiper's test]] leuwih hadehadé dipaké. Numerical Recipes mangrupa sumber nu hadehadé keur informasi ieu.
Catetan saterusna, tes Kolmogorov-Smirnov leuwih sensitip dina titik nu deukeut kana median sebaran tinimbang dina tungtungna. [[Anderson-Darling test]] salah sahiji tes nu nunjukkeun kasaruaan sensitip di tungtung.