我现在使用library(extRemes)
library(eva)
data("PORTw", package = "extRemes")
fit1 <- fevd(TMX1, PORTw, units = "deg C")
ks.test(PORTw$TMX1,"pgev",fit1$results$par[[1]],fit1$results$par[[2]],shape=fit1$results$par[[3]])
`Warning message:
In ks.test(PORTw$TMX1, "pgev", fit1$results$par[[1]], fit1$results$par[[2]], :
ties should not be present for the Kolmogorov-Smirnov test`
包来拟合广义极值（GEV）分布，我想使用Kolmogorov-Smirnov检验估计拟合优度，但得到以下错误：
a所以，我的问题是，如何对GEV适合的关系进行Kolmogorov-Smirnov检验？或者，是否还有其他适合性测试适合R中可用的分布？非常感谢。
答案 0 :(得分：1)
我建议使用“ EnvStats”软件包。 拟合优度测试将为您提供更多功能：
library(EnvStats)
# For a data set called X
X <- rgevd(500)
# Generalized Extreme Value (EnvStats)
egevd(X, method = "mle")# Maximum likelihood
# Goodness of fit test
gofTest(X, distribution = "gev",test = "ks")#Kolmogorov-Smirnov
gofTest(X, distribution = "gev",test = "chisq")#Chi-Squared
答案 1 :(得分：1)
“ EnvStats”软件包。
library(EnvStats)
set.seed(250)
dat <- rpareto(30, location = 1, shape = 1)
head(dat)
epareto(dat)
gofTest(dat, distribution = "pareto",test = "ks")#Kolmogorov-Smirnov
plot.gof(gofTest(dat, distribution = "pareto",test = "ks"))#Plot