アンダーソン・ダーリン - シャピロ・ウィルクデータが正規かどうかをテストする必要があります。
最初に使用した 9 バージョンは現在 15.0
フォーラムからわかるように、シャピロ・ウィルク・テストは時代遅れで、現在はアンダーソン・ダーリング・テスト（AD）が使用されています。 AD はディストリビューションの種類を定義するために使用されます
正規分布。
コーシー;
対数正規;
指数関数的;
ガンマ;
シャシュ;
ワイブル。
しかし、基準はどうでしょうか。 シャピロ・ウィルクのものに似ていますか？
以下の 3 つの状況を解釈するのを手伝ってください
1.
2.
3.
そしてなぜそうなるのか問題毎回です>それからA2 ?
高度な統計モデリング基本的なデータ分析とモデリングデータアクセスデータの探索と視覚化実験計画法品質およびプロセスエンジニアリングRe: アンダーソン・ダーリン - シャピロ・ウィルクあなたの質問に 1 つだけコメントを追加します。 Shapiro-Wilk は時代遅れのテストではありません。 このテストは依然として適切ですが、正規性をテストするためにのみ使用されます。 JMP はさまざまなディストリビューションに適合できるため、一貫性を保つために Anderson-Darling に切り替えられました。 このテストは、あらゆるディストリビューションのテストに使用できます。
Re: アンダーソン・ダーリン - シャピロ・ウィルクこれは仮説検定であるため、シャピロ-ウィルクス検定と同様に機能します。 帰無仮説は近似された分布です。 サンプルテストの統計値は A2 です。 これは、カイ二乗検定や F 検定と同様、上裾検定です。 大規模な統計は、無効であることの証拠となります。 A2 について示されている確率は、帰無仮説が真である場合にサンプルから推定される確率と少なくとも同じ大きさです。
これは、適合モデルを拒否するかどうかを決定するために使用されることを目的としています。 モデルの選択に使用することを目的としたものではありません。 その目的には、AICc などの基準の方が適しています。
提供した 3 つの例はそれぞれ、決定の p 値を示しています。 まず、受け入れてもよいタイプ I 過誤リスク (つまり、アルファ レベル) を決定し、次に p 値をアルファと比較します。 p 値がアルファより小さい場合は、帰無仮説を棄却します。 それ以外の場合は、null が true であると想定し続けます。 たとえば、alpha = 0.1 を使用した場合、最初のケースでは null を拒否しませんが、他の 2 つのテストでは null を拒否します。
多くの異なるモデルに対して母集団の同じサンプルを使用して同じ仮説検定を使用すると、タイプ I エラーが発生する可能性が高まることに注意してください。 このような実践は多重比較の一例です。
