二項データでRの適合度を使用する場合のNaN p値

二項式へのカウントデータのベクトルの適合度をテストしようとしています。そのためにgoodfit()、vcdパッケージの関数を使用しています。ただし、関数を実行するNaNと、カイ2乗検定のp値が返されます。私のセットアップでは、75要素のカウントデータのベクトルがあります。

> library(vcd)
> counts <- c(32, 35, 44, 35, 41, 33, 42, 49, 36, 41, 42, 45, 38, 43, 36, 
35, 40, 40, 43, 34, 39, 31, 40, 39, 36, 37, 37, 37, 32, 48, 41, 
32, 37, 36, 49, 37, 41, 36, 34, 37, 41, 32, 36, 36, 30, 33, 33, 
42, 39, 36, 36, 29, 31, 41, 36, 39, 40, 37, 39, 39, 31, 39, 37, 
40, 33, 41, 34, 46, 35, 41, 44, 38, 44, 34, 42)
> test.gof <- goodfit(counts, type="binomial", 
+                     par=list(size=length(counts), prob=0.5))

すべて正常に動作しますが、goodfit()オブジェクトを検査すると、次のようになります。

> summary(test.gof)

 Goodness-of-fit test for binomial distribution

                      X^2 df  P(> X^2)
Pearson               NaN 75       NaN
Likelihood Ratio 21.48322 19 0.3107244
Warning message:
In summary.goodfit(test.gof) : Chi-squared approximation may be incorrect

最初は小さなサンプルサイズの問題だったのではないかと思いましたがNaN、p値に対して返されない50の観測値を持つデータセットもあります。また、メソッドgoodfit()をML に切り替えて、同様の結果を得ようとしました。

NaNこの場合、この関数が生成するのはなぜですか？カウントデータでGOFを計算する代替関数はありますか？

観測されたカウントの頻度はゼロです。これはNaN、データのsを説明しています。test.gofオブジェクトを見ると、次のことがわかります。

table(test.gof$observed)

 0  1  2  3  4  5  7  8 10 
56  5  3  2  5  1  1  2  1

56個のゼロがあります。とにかく、この質問はhttp://stats.stackexchange.comに対するものです。

外科的に変更されたgoodfitオブジェクトで幸せになりますか？

> idx <- which(test.gof$observed != 0)
> idx
 [1] 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 49 50
> test.gof$par$size <- length(  idx-1)
> test.gof$fitted <- test.gof$fitted[idx]
> test.gof$count <- test.gof$count[idx]
> test.gof$observed <- test.gof$observed[idx]
> summary(test.gof)

     Goodness-of-fit test for binomial distribution

                      X^2 df  P(> X^2)
Pearson               Inf 75 0.0000000
Likelihood Ratio 21.48322 19 0.3107244
Warning message:
In summary.goodfit(test.gof) : Chi-squared approximation may be incorrect

プロットしてみてください。あなたは何が起こっているのかより良いアイデアを得るでしょう。前述のように、chisq.test（）に0の周波数を渡しているため、NaNを取得しています。

test.gof <- goodfit(counts, type="binomial", par=list(size=length(counts), prob=0.5)) 
plot(test.gof)
## doesn't look so good 
test.gof <- goodfit(counts, type="binomial", par=list(size=length(counts))) 
plot(test.gof)
## looks a little more clear