如何在R中獲得精確的低p值（來自F檢驗）

我正在計算R中F檢驗的p值，並且似乎無法顯示低於1e-16的任何值。例如，適用於F值從80到90自由度爲1,200：如何在R中獲得精確的低p值（來自F檢驗）

> 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

我怎樣才能增加pf()函數的計算精度？

來源

2013-01-31 Stephen Turner

你的意思是你想更多數字顯示？試試：options（digits = 15）或者您需要知道R使用有限精度算術，您的答案在15或16位小數後不準確 – ThiS

這個練習的實際目的是什麼？如果概率非常低，那麼它的「確切」值應該不重要。然而，也許'pf（80：90,1,200，log.p = TRUE）'很有意思。 – Roland

閱讀http://stackoverflow.com/q/11328784/1412059 – Roland

p - 無論如何，這個低點是沒有意義的。首先，大多數計算都使用輕微的近似值，所以不精確性主導了結果，因爲趨向於零值，其次，更重要的是，您的人口與模型分佈的任何微小偏差都會壓倒您期望的準確度。

簡單地引用p - 值作爲 'p < 0.0001'，並用它做。

來源

2013-01-31 16:31:21

不回答這個問題;忽略評論中討論的多個測試場景。 –

除了傑克關於p值的實用建議之外，函數還有很好的定義（如果不實用），所以我將給出有限精度的數學原因，這是行不通的。

.Machine$double.eps是2.220446e-16，這是您可以添加到1並獲得不同的最小數字。因此，從1差異，這是你得到的最小值。

> 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"

但是你可以使用近似$ 1-P = - \ LN（P）$，事實上，你可以得到日誌的p值更精確地

> -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

來源

2013-01-31 16:44:57

這是對我的答案的一個很好的補充，謝謝Brian。 –

如何在R中獲得精確的低p值（來自F檢驗）

回答

相關問題