此方法為無母數方法中Kolmogorov-Smirov機率分配檢定。主要用來檢定資料中感興趣的樣本是否符合某一種已知的機率分配，如多項(multinomial)分配、常態(normal)分配、珈碼(gamma)分配或是卜瓦松(Poisson)分配等。

分析方法	雙樣本機率分配差異檢定(Two-sample Kolmogorov-Smirov test)
資料中感興趣之樣本數	兩組
目的	檢定此兩組樣本是否來自相同的機率分配
備註	當資料中感興趣的樣本數僅有一組，目的為檢定資料是否來自某種已知分配；可使用單一樣本機率分配檢定(One-sample Kolmogorov-Smirov test)或卡方適合度檢定(Chi-square test for goodness of fit)進行分析。

本方法使用之R相關套件與參考文獻：
相關套件：stats、base
參考文獻：(依套件名稱排序)

1. R Core Team (2013). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL：http://www.R-project.org/.

範例A-7：電影市場的分析

看電影一直是現代人的重要休閒活動，隨著影音科技的日新月異，電影院的聲光效果更是一種高級享受，吸引著許多民眾前往消費。但是伴隨著享受的同時，電影的票價也是節節的升高，有最便宜的早場優待票220元，也有3D IMAX的400元票價，在消費與享受之間如何吸引民眾前往，也是業者的一個重要課題。影城工會為了瞭解電影院的市場是否已趨飽和，特別委託某研究機構調查，該機構抽查北部與南部各100家電影院，得到過去3個月的營業收入(單位：萬元)，並製作一次數分配表，列出8個不同收入的區間，並將每家電影院依收入高低歸於各區間，列於表中。

表：電影院的收入區間次數分配表。

收入區間	1000以下	1001-2000	2001-3000	3001-4000	4001-5000	5001-6000	6001-7000	7001以上
北部	6	6	18	25	24	11	6	4
南部	12	8	30	22	16	6	5	1

系統中所提供的範例資料檔為原始資料(即未分組前的資料)

Q2：由於南北部民情的不同，再加上都市發展的差異性，故研究機構對於南部與北部電影院的收入差異非常的感興趣，想分析南北部電影院的收入區間分布是否有差異，以增加電影院業者對市場評估的訊息。
問題解析：分析南北部電影院的收入區間分布是否有差異，可討論"北部的電影院收入分布與南部電影院的收入分布是否有差異?"。
統計方法：此問題中，變數為不同收入區間的電影院家數，為單一變數(一個變數，建議選擇單變數分析)，討論南部與北部電影院收入故視為二組樣本，且兩地區的電影院收入應無關聯，可視為獨立樣本；可採用分析方法：(獨立)雙樣本機率分配檢定(two-sample Kolmogorov-Smirov test)，檢定"北部的電影院收入分布與南部電影院的收入分布是否有差異?"。

解析：
1. 此題可建立虛無假設為"北部的電影院收入分布與南部電影院的收入分布無差異"。
2. 建立資料檔上傳，檔案格式請參照上傳檔案說明。
3. 依分析步驟說明分析資料。
4. 分析結果：

(獨立)雙樣本機率分配差異檢定 - 分析結果

• 分析方法：(獨立)雙樣本機率分配差異檢定
  
• 資料名稱：範例A-7
  
• 檢定變數：_NEW_
  
• 分組變數：_GROUP_(北部, 南部)
  
• 顯著水準：0.05
  
• 計算時間：0.087秒

• 樣本敘述統計量^I：

  變數名稱 Variable	分組變數(_GROUP_) Class Variable(_GROUP_)	樣本數 Count	平均數 Mean	中位數 Median	最小值 Minimum	最大值 Maximum	標準差 Std. dev.
  _NEW_	北部	99	3924.7475	3687	485	9001	1702.7628
  	南部	99	3203.4545	3002	296	7800	1625.3355
  	不分組(Total)	198	3564.101	3430.5	296	9001	1699.1824

  I：樣本敘述統計量皆不包含遺失值

• 雙樣本機率分配差異檢定^I：

  虛無假設：兩組資料來自相同母體分配
  變數名稱 variable	Kolmogorov-Smirov D 檢定統計量 Kolmogorov-Smirov D-statistics	p-值II p-value
  _NEW_	0.2323	0.0095589 **

  I：分組變數為_GROUP_
  II：顯著性代碼：‘***’ : < 0.001, ‘**’ : < 0.01, ‘*’ : < 0.05, ‘#’ : < 0.1

• 分析結果建議：由於檢定結果P-值為(0.0095589) < 顯著水準0.05，因此可拒絕虛無假設。

[重新分析]

影音教學內容為本系統資料處理與分析方法之操作說明， 可供使用者即時參考及線上自學， 輕鬆上手「雲端資料分析暨導引系統」!