Comment tester la normalité des données de façon formelle dans r
Les méthodes graphiques pour vérifier la normalité de données dans R laissent encore beaucoup à votre propre interprétation. Il ya beaucoup de discussion dans le monde de la statistique sur le sens de ces parcelles et ce qui peut être considéré comme normal.
Si vous vous présentez l'un de ces parcelles à dix statisticiens différents, vous pouvez obtenir dix réponses différentes. Voilà tout un exploit quand vous attendez un simple oui ou non, mais les statisticiens ne font pas de réponses simples.
Au contraire, tout ce qui tourne autour des statistiques mesurant l'incertitude. Cette incertitude est résumée dans une probabilité - souvent appelée p-valeur - et pour calculer cette probabilité, vous avez besoin d'un test formel.
Probablement le test le plus largement utilisé pour la normalité est le test de Shapiro-Wilks. La fonction pour effectuer ce test, commodément appelé shapiro.test (), ne pouvait pas être plus facile à utiliser. Vous donnez l'échantillon comme le seul et unique argument, comme dans l'exemple suivant:
> Shapiro.test (beaver2 $ temp) Shapiro-Wilks normalité testdata: beaver2 $ = 0,9334 tempW, valeur p = 7.764e-05
Cette fonction retourne un objet de liste, et de la p-valeur est contenue dans un élément appelé Val.par. Ainsi, par exemple, vous pouvez extraire la valeur de p simplement en utilisant le code suivant:
> Résultat lt; - shapiro.test (beaver2 $ temp)> Résultat $ Val.par [1] 7.763782e-05
Cette valeur-p vous indique quelles sont les chances que l'échantillon provient d'une distribution normale. Plus cette valeur, plus la chance. Les statisticiens utilisent typiquement une valeur de 0,05 comme une coupure, alors quand le p-valeur est inférieure à 0,05, on peut conclure que l'échantillon diffère de la normalité.
Dans l'exemple précédent, la p-valeur est nettement inférieure à 0,05 - et cela ne devrait pas venir comme une surprise- la distribution de la température montre deux pics séparés. Ceci est rien comme la courbe en cloche d'une distribution normale.
Lorsque vous choisissez un test, vous pourriez être plus intéressé à la normalité dans chaque échantillon. Vous pouvez tester deux échantillons en une seule ligne en utilisant le tapply () fonction, comme ceci:
> With (castor, tapply (temp, Activ, shapiro.test)
Ce code renvoie les résultats d'un test de Shapiro-Wilks de la température pour chaque groupe spécifié par la variable activ.
Les gens font souvent référence au test de Kolmogorov-Smirnov pour tester la normalité. Vous effectuez le test en utilisant le ks.test () fonction dans la base R. Mais cette fonction de R ne sont pas adaptés pour tester déviation de normality- vous pouvez l'utiliser seulement de comparer les différentes distributions.
-
L'analyse exploratoire des données (eda) -
Test d'hypothèse pour des données aberrantes -
Analyse exploratoire des données quantitatives (eda) techniques - Comment comparer deux échantillons de données avec r
- Comment comparer deux échantillons de données avec le test t de r
- Comment extraire les résultats des tests de données avec r
Comment extraire les résultats des tests de r De nombreux tests que vous exécutez dans la R renvoient une htest objet. Ce type d'objet est essentiellement une liste avec toutes les informations sur le test qui a été effectué. Tous ceux-ci htest objets contiennent au moins un composant…
Comment tester la normalité des données graphiquement dans r Vous pouvez, bien sûr, tracer un histogramme avec R pour chaque échantillon de données que vous voulez regarder. Vous pouvez utiliser le histogramme () fonctionner assez facilement tracer des histogrammes pour les différents groupes.Utilisation…
Comment tester proportions de données avec r Regardons un exemple pour illustrer les tests de R de base pour des proportions de données. L'exemple suivant est basé sur la véritable recherche, publié par Robert Rutledge, MD, et ses collègues dans le Annals of Surgery (1993).Dans un…
Comment utiliser les parcelles quantile pour vérifier la normalité de données dans r Histogrammes laissent beaucoup à l'interprétation du spectateur. Une manière graphique mieux dans R de dire si vos données sont réparties normalement est de regarder un prétendu complot quantile-quantile (QQ).Avec cette technique, vous tracez…
Calculer des statistiques de test pour les deux populations indépendantes avec des variances inégales et au moins un petit échantillon Si les variances de deux populations indépendantes aren't égale (ou vous ne disposez pas de raison de croire qu'ils sont égaux) et au moins un échantillon est faible (moins de 30), la statistique de test est appropriéDans ce cas, vous obtenez…
Trouver les statistiques de test appropriées pour les deux populations indépendantes de taille et de variance égale Vous pouvez tester des hypothèses à propos de deux moyens de population où les populations sont indépendants les uns des autres, mais ils ont la taille et la variance égale. Avec une population égale écarts, la statistique de test nécessite…
Trouver les valeurs critiques bilatéral pour tester une hypothèse pour un petit échantillon Lorsque vous utilisez un petit échantillon pour tester une hypothèse sur une moyenne de population, vous prenez la ou les valeurs essentielles résultant de la distribution t de Student. Pour un test bilatéral, la valeur critique estet n…
Comment faire pour déterminer une valeur de p pour tester une hypothèse nulle Lorsque vous testez une hypothèse sur une population, vous pouvez utiliser votre statistique de test pour décider de rejeter l'hypothèse nulle, H0. Vous prenez cette décision en venant avec un certain nombre, appelé p-valeur.UN p-valeur est une…
Comment tester une hypothèse pour la moyenne d'une population Vous pouvez utiliser un test d'hypothèse à examiner ou contester une réclamation statistiques sur une moyenne de population si la variable est numérique (par exemple, l'âge, le revenu, le temps, et ainsi de suite) et une seule population ou un…
Comment tester une hypothèse nulle sur la base d'une proportion de la population Vous pouvez utiliser un test d'hypothèse à tester une réclamation statistiques sur la proportion de la population lorsque la variable est catégorique (par exemple, le sexe ou l'appui / opposition) et une seule population ou un groupe est à…
Comment utiliser le t-test pour manipuler des petits échantillons et écarts types inconnus Lorsque vous utilisez une statistique de test pour une moyenne de la population, il ya deux cas où vous devez utiliser la t-au lieu de la répartition Z-distribution. Le premier cas est celui où la taille de l'échantillon est faible (en dessous…
Vue d'ensemble de tests d'hypothèses Un moyen important de tirer des conclusions sur les propriétés d'une population est avec des tests d'hypothèses. Tu peux utiliser tests d'hypothèses à comparer une mesure de la population à une valeur spécifiée, comparer les mesures de deux…
Allez dehors de la norme avec les statistiques non paramétriques Tous les tests statistiques sont calculées sur la base de certaines hypothèses sur vos données, et la plupart des tests de signification classiques (tels que test t de Student, l'analyse de la variance, et les tests de régression) supposent que…
Test de signification avec le test d'hypothèse Tous les fameux tests de signification statistique (Student t, khi-carré, ANOVA, etc.) fonctionnent sur le même principe général - ils évaluent l'ampleur de l'effet apparent que vous voyez dans vos données contre la taille des fluctuations…