(Bitte beachten Sie, dass diese neue Version vom 28.06.2018 Nach-Gruppen unterstützt. Ansonsten ist es das Gleiche wie zuvor.)
Für eine Abweichung von einer Normalverteilung stellt JMP in der Distributionsplattform den Shapiro-Wilk-Test zur Verfügung. Dieser Test hat sich als leistungsfähiger erwiesen als alternative Tests, einschließlich des Anderson-Darling-Tests (1). (Beachten Sie, dass alle derartigen Tests bei kleinen Stichproben eine geringe Aussagekraft haben.) Möglicherweise haben Sie jedoch einen Präzedenzfall für die Verwendung des AD-Tests für Normalität, sodass dieses Add-In ihn implementiert. Der Test schätzt standardmäßig den Mittelwert und die Standardabweichung der Normalverteilung. Stattdessen kann einer dieser Parameter angegeben werden, wenn er für einen Test gegen eine bestimmte Normalverteilung bekannt ist. Die Testergebnisse werden an eine Verteilungsplattform angehängt.
Öffnen Sie einfach die Add-in-Datei, um sie vor der Verwendung bei JMP zu registrieren. Öffnen Sie dann die Datentabelle mit der zu testenden Datenspalte und wählen Sie sie aus Add-Ins > Anderson-Darling-Normalitätstest . Wählen Sie die Datenspalte aus und klicken Sie Y, Antwort . Wählen Sie optional die Spalte mit den Gruppenkennungen aus und klicken Sie auf Von . Wenn der Mittelwert bekannt ist, wählen Sie den aus Bekannt Optionsfeld für die Bedeuten und geben Sie den Wert in das dafür vorgesehene Feld ein. Das Gleiche gilt für die Standardabweichung.
Klicken OK . Für jede Probe wird kurz ein Warnfenster angezeigt. Der P -Wert für die A-Quadrat-Teststatistik wird durch eine Monte-Carlo-Simulation von 100.000 Stichproben unter der Nullhypothese berechnet.
Der Testbericht wird unten im Fenster angezeigt. Es werden die A-Quadrat-Teststatistiken und die angepassten A-Quadrat-Teststatistiken gemeldet. Die ungefähre P -Wert für die zweite Teststatistik wird aus einem Satz von vier Interpolationsfunktionen (2) berechnet.
Notiz dass eine frühere Version (vor dem 5. Juni 2014) dieses Tests als Skript das berechnet hat P -Wert für A-Quadrat falsch und sollte nicht verwendet werden. Bitte ersetzen Sie diese Version durch dieses Add-In, wenn Sie die Version heruntergeladen haben, bevor die Korrektur verfügbar wurde.
Verweise
(1) Razali, Normadiah Modh und Yap Bee Wah (2011) Leistungsvergleiche von Shapiro-Wilk-, Kolmogorov-Smirnov-, Lilliefors- und Anderson-Darling-Tests , Journal of Statistical Modeling and Analytics, 2 (1)21-33.
(2 ) RB D'Augostino und MA Stephens, Hrsg., 1986, Goodness-of-Fit-Techniken , Marcel Dekker.
Danke Mark! Das ist tatsächlich sehr nützlich für diejenigen von uns, die in der Medizingerätebranche gearbeitet haben, wo wir ständig diese Normalitätstests durchführen ... Wir verwenden häufig die AD-Teststatistik (und den zugehörigen p-Wert), da diese standardmäßig in Minitab implementiert ist (und Minitab von diesen Geräteherstellern häufiger verwendet wird).
Hallo Mark,
Wir haben festgestellt, dass JMP beim Speichern der Ergebnisse in der Datentabelle nur ein Skript für die Verteilung erstellt (und den AD-Test weglässt).
Irgendwelche Ideen, wie man das Problem beheben kann?
Danke.
Hallo @FN , ich füge die at-Erwähnung hinzu @Mark_Bailey hier für den Fall, dass er Ihren Beitrag nicht gesehen hat.Leider können wir uns nicht dazu verpflichten, Add-Ins auf unbestimmte Zeit beizubehalten, aber glücklicherweise wurde die Notwendigkeit des AD-Tests von den Kunden erkannt und in JMP 15 integriert. Ich empfehle die Verwendung des integrierten Anderson-Darling-Tests unter „Kontinuierliche Passform“ > „Normal anpassen“. Verteilung > Anpassungsgüte.Sie können sehen, dass die Skriptaktion „Fit Normal (Goodness of Fit (1))“ sowohl das SW- als auch das AD-Testergebnis in JMP erfasst.
@PatrickGiuliano , danke für den Ping. Erstens speichern JMP-Plattformen KEINE über Skripte vorgenommenen Anpassungen. Sie erfassen nur Änderungen, die interaktiv über die roten Dreiecksmenüs oder durch direkte Manipulation vorgenommen werden (z. B. Plotrahmenabmessungen ändern). Zweitens ist dieses Add-In nicht mehr erforderlich, da @PatrickGiuliano erklärt.
