Anderson-Darling – Shapiro WilkIch muss die Daten auf Normalität testen.
Zuerst verwendete Version 9, jetzt 15.0
Wie ich aus dem Forum erfahren habe, ist der Shapiro-Wilk-Test veraltet und der Anderson-Darling-Test (AD) wird derzeit verwendet. AD wird verwendet, um die Art der Verteilung zu definieren
Normalverteilung;
Cauchy;
Lognormal;
Exponentiell;
Gamma;
SCHASH;
Weibull.
Aber was ist mit einem Kriterium? Sieht es aus wie das von Shapiro-Wilk?
Bitte helfen Sie mir, die drei folgenden Situationen zu interpretieren
1.
2.
3.
Und warum Wahrscheinlich jedes Mal ist > Dann A2 ?
Erweiterte statistische ModellierungGrundlegende Datenanalyse und ModellierungDatenzugriffDatenexploration und -visualisierungVersuchsplanungQualitäts- und VerfahrenstechnikBetreff: Anderson-Darling – Shapiro WilkNur eine zusätzliche Bemerkung zu Ihrer Frage. Shapiro-Wilk ist kein veralteter Test. Dieser Test ist immer noch angemessen, wird aber nur zum Testen der Normalität verwendet. Da JMP für viele verschiedene Distributionen geeignet ist, wurde aus Gründen der Konsistenz auf Anderson-Darling umgestellt. Dieser Test kann zum Testen jeder Distribution verwendet werden.
Betreff: Anderson-Darling – Shapiro WilkDa es sich um einen Hypothesentest handelt, funktioniert er wie der Shapiro-Wilks-Test. Die Nullhypothese ist die angepasste Verteilung. Die Beispielteststatistik ist A2. Es handelt sich um einen oberen Test wie der Chi-Quadrat-Test und der F-Test. Eine große Statistik ist ein Beweis gegen die Null. Die angegebene Wahrscheinlichkeit ist für A2 mindestens so groß wie die aus Ihrer Stichprobe geschätzte, wenn die Nullhypothese wahr ist.
Es dient dazu, zu entscheiden, ob Sie das angepasste Modell ablehnen sollten. Es ist nicht für die Modellauswahl gedacht. Ein Kriterium wie AICc wäre für diesen Zweck besser geeignet.
Die drei Beispiele, die Sie angegeben haben, stellen jeweils einen p-Wert für Ihre Entscheidung dar. Zuerst entscheiden Sie, welches Typ-I-Fehlerrisiko Sie bereit sind einzugehen (d. h. Alpha-Wert) und vergleichen dann den p-Wert mit Alpha. Wenn der p-Wert kleiner als Alpha ist, lehnen Sie die Nullhypothese ab. Andernfalls gehen Sie weiterhin davon aus, dass die Null wahr ist. Wenn ich beispielsweise Alpha = 0,1 verwende, lehne ich die Null für den ersten Fall nicht ab, aber ich lehne die Null für die anderen beiden Tests ab.
Beachten Sie, dass die Verwendung desselben Hypothesentests mit derselben Stichprobe der Grundgesamtheit für viele verschiedene Modelle die Wahrscheinlichkeit von Fehlern vom Typ I erhöht. Eine solche Praxis ist ein Beispiel für Mehrfachvergleiche.
