método no paramétrico para calcular la probabilidad de semejanza entre dos muestras

Question

Tengo dos muestras con cada par de hunderd observaciones. Quiero calcular la probabilidad de que se parezcan. Soy consciente de pruebas como kolmogorov smirnov pero no creo que necesito esto. No quiero probar si provienen de diferentes distribuciones. En realidad quiero demostrar que provienen de la misma distribución (continua).

He buscado un poco en Internet, pero no estoy seguro de cómo enfocar esto. ¿Necesito bootstrapping? Además, estoy usando R, por lo que los punteros a los paquetes útiles son bienvenidos.

gracias de antemano

actualizar: Como se comenta más adelante, no se puede demostrar realmente que procedan de una distribución similar. Así que la pregunta sería más bien, ¿cómo puedo asignar un grado de creencia de que son de la misma distribución?

Answer 1

Sin un poco más de detalle es difícil saber con seguridad lo que necesita, pero suponiendo que tiene dos muestras independientes que son datos continuos, una prueba U de Mann-Whitney es una prueba de significación estadística para probar si dos poblaciones son iguales.

Hay un artículo sobre cómo realizar la prueba aquí: http://www.r-tutor.com/elementary-statistics/non-parametric-methods/mann-whitney-wilcoxon-test

Puede realizar la prueba con el Estadísticas paquete, por lo que si necesita instalarlo:

install.packages("stats"); library(stats)

Entonces, suponiendo que tus datos tengan este aspecto:

s1 <- runif(10); s2 <- runif(10)
View(d)

Es decir, las muestras son vectores separados, puede ejecutar una versión de la prueba con la siguiente sintaxis básica:

wilcox.test(s1, s2)

Si, en cambio, tiene un marco de datos que tiene todas las observaciones en una columna y otra columna para especificar la muestra a la que pertenece la observación:

s <- runif(10)
f <- c(1, 1, 1, 2, 2)
d <- data.frame(s, f)
View(d)

entonces utilizaría la sintaxis ~:

wilcox.test(d$s ~ d$f)

Espero que le sirva de ayuda. No olvides marcar tu pregunta como respondida si esto resuelve tu problema, o publicar más detalles si no lo hace.