Question

我正在计算R中F检验的p值，并且似乎无法显示低于1e-16的任何值。例如，对于F值从80到90，自由度1,200：

> 1-pf(80:90,1,200)
 [1] 2.220446e-16 2.220446e-16 1.110223e-16 1.110223e-16 0.000000e+00 0.000000e+00 0.000000e+00
 [8] 0.000000e+00 0.000000e+00 0.000000e+00 0.000000e+00

如何提高pf()函数计算的精度？

Answer 1

p - 无论如何，这个低值都没有意义。首先，大多数计算使用轻微的近似值，因此不精确性会影响结果，因为您倾向于零 p - 值，其次，可能更重要的是，您的人口与模型分布的任何微小偏差都将压倒你想要的准确度。

只需将 p - 值引用为“ p ＆lt; 0.0001'并完成它。

Answer 2

除了杰克关于p值的实用建议之外，函数定义得很好（如果不实用），所以我将给出有限精度的数学推理，但这不起作用。

.Machine$double.eps是2.220446e-16，这是您可以添加到1并获得不同内容的最小数字。所以差异从1，这是你得到的最小值。

> pf(80:90,1,200)
 [1] 1 1 1 1 1 1 1 1 1 1 1
> sprintf("%.17f",pf(80:90,1,200))
 [1] "0.99999999999999978" "0.99999999999999978" "0.99999999999999989"
 [4] "0.99999999999999989" "1.00000000000000000" "1.00000000000000000"
 [7] "1.00000000000000000" "1.00000000000000000" "1.00000000000000000"
[10] "1.00000000000000000" "1.00000000000000000"
> sprintf("%a", pf(80:90,1,200))
 [1] "0x1.ffffffffffffep-1" "0x1.ffffffffffffep-1" "0x1.fffffffffffffp-1"
 [4] "0x1.fffffffffffffp-1" "0x1p+0"               "0x1p+0"              
 [7] "0x1p+0"               "0x1p+0"               "0x1p+0"              
[10] "0x1p+0"               "0x1p+0"

但是你可以使用逼近$ 1-p = - \ ln（p）$以及你可以更准确地得到p值的对数这一事实

> -pf(80:90,1,200,log.p=TRUE)
 [1] 2.540347e-16 1.770938e-16 1.236211e-16 8.640846e-17 6.047690e-17
 [6] 4.238264e-17 2.974043e-17 2.089598e-17 1.470045e-17 1.035491e-17
[11] 7.303070e-18

如何在R中获得精确的低p值（来自F检验）

2 个答案: