Je viens de faire beaucoup de recherches sur les tests à deux échantillons multivariés lorsque j'ai réalisé que le test de Kolmogorov-Smirnov n'était pas multivarié. J'ai donc regardé le test du Chi, le T ^ 2 de Hotelling, le critère d'Anderson-Darling, de Cramer-von Mises, de Shapiro-Wilk, etc. longueur. D'autres ne servent qu'à rejeter l'hypothèse de normalité, et non à comparer deux distributions d'échantillons.
La principale solution semble comparer les fonctions de distribution cumulative des deux échantillons avec toutes les ordonnances possibles qui, comme vous pouvez le soupçonner, sont très gourmandes en calcul, de l'ordre des minutes pour une seule exécution d'un échantillon contenant quelques milliers d'enregistrements:
https://cran.r-project.org/web/packages/Peacock.test/Peacock.test.pdf
Comme l'indique la documentation de Xiao, le test de Fasano et Franceschini est une variante du test Peacock:
http://adsabs.harvard.edu/abs/1987MNRAS.225..155F
Le test de Fasano et Franceschini était spécifiquement destiné à être moins intensif en calcul, mais je n'ai trouvé aucune implémentation de leur travail dans R.
Pour ceux d'entre vous qui souhaitent explorer les aspects informatiques du test Peacock versus Fasano et Franceschini, consultez les algorithmes efficaces en termes de calcul pour le test bidimensionnel de Kolmogorov-Smirnov