幂律拟合的 ks 检验和 bootstrap_p 有什么区别？
What's the difference between ks test and bootstrap_p for power law fitting?
我想知道使用 poweRlaw 包在 R 中拟合幂律分布时的拟合优度。
在 estimate_xmin() 之后，我有一个 p 值 0.04614726。但是 bootstrap_p() returns 另一个 p 值 0。
那么为什么这两个 p 值不同呢？又如何判断是不是幂律分布呢？
这是使用 poweRlaw 进行拟合时的图poweRlaw fitting result
你有点糊涂了。 estimate_xmin returns 的统计数据之一是 Kolmogorov-Smirnoff 统计数据（如 Clauset、Shalizi、Newman (2009) 中所述）。此统计数据用于估计模型的最佳截止值，即 xmin。但是，这不会告诉您有关模型拟合的任何信息。
评估模型的适用性是 bootstrap 功能的用武之地。
我想知道使用 poweRlaw 包在 R 中拟合幂律分布时的拟合优度。
在 estimate_xmin() 之后，我有一个 p 值 0.04614726。但是 bootstrap_p() returns 另一个 p 值 0。
那么为什么这两个 p 值不同呢？又如何判断是不是幂律分布呢？
这是使用 poweRlaw 进行拟合时的图poweRlaw fitting result
你有点糊涂了。 estimate_xmin returns 的统计数据之一是 Kolmogorov-Smirnoff 统计数据（如 Clauset、Shalizi、Newman (2009) 中所述）。此统计数据用于估计模型的最佳截止值，即 xmin。但是，这不会告诉您有关模型拟合的任何信息。
评估模型的适用性是 bootstrap 功能的用武之地。