¿Existe una alternativa a la prueba de Kolmogorov-Smirnov para datos vinculados con corrección?

Tengo un montón de datos de dos muestras (control y tratamiento), cada una con varios miles de valores que se someterán a pruebas de significación en R. Teóricamente, los valores deberían ser continuos, pero debido al redondeo realizado por el software de medición no son t y tienen lazos. Las distribuciones son desconocidas y las formas de control y distribuciones tratadas pueden ser diferentes, por lo que me gustaría utilizar una prueba no paramétrica para comparar si la diferencia entre las muestras es significativa para 10 factores diferentes.

Pensé en usar la prueba de Kolmogorov-Smirnov, pero en realidad no es adecuada para lazos. Recientemente me topé con una nueva biblioteca R llamada Matching que ejecuta una versión de arranque de la prueba KS y tolera los lazos. ¿Es realmente una buena idea o debería usar otra prueba? ¿Y necesito ajustar el valor p?

En lugar de usar la prueba KS, simplemente puede usar un procedimiento de permutación o remuestreo como se implementa en la oneway_testfunción del coinpaquete. Eche un vistazo a la respuesta aceptada a esta pregunta .

Actualización : Mi paquete afexcontiene la función que compare.2.vectorsimplementa una permutación y otras pruebas para dos vectores. Puede obtenerlo de CRAN:

install.packages("afex")

Para dos vectores xy y(actualmente) devuelve algo como:

> compare.2.vectors(x,y)
$parametric
   test test.statistic test.value test.df       p
1     t              t     -1.861   18.00 0.07919
2 Welch              t     -1.861   17.78 0.07939

$nonparametric
             test test.statistic test.value test.df       p
1 stats::Wilcoxon              W     25.500      NA 0.06933
2     permutation              Z     -1.751      NA 0.08154
3  coin::Wilcoxon              Z     -1.854      NA 0.06487
4          median              Z      1.744      NA 0.17867

Cualquier comentario sobre esta función es muy bienvenido.