278534_it-IT

liliconcom

Anderson-Darling - Shapiro Wilk

Devo testare i dati per la normalità.

Prima versione 9 usata ora 15.0

Come ho capito dal forum, il test Shapiro Wilk è obsoleto e attualmente viene utilizzato il test Anderson-Darling (AD). AD è usato per definire il tipo di distribuzione

Distribuzione normale;

Cauchy;

Lognormale;

esponenziale;

Gamma;

SHASH;

Weibull.

Ma che dire di un criterio. Assomiglia a quello di Shapiro-Wilk?

Per favore aiutami a interpretare tre situazioni qui sotto

1.

2. 

3. 

 

E perché lo fa Prob ogni volta lo è > Poi A2 ?

 

 

 

 

Modellazione statistica avanzataAnalisi e modellazione dei dati di baseAccesso ai datiEsplorazione e visualizzazione dei datiProgettazione di esperimentiQualità e ingegneria di processoOggetto: Anderson-Darling - Shapiro Wilk

Solo un commento aggiuntivo alla tua domanda. Shapiro-Wilk non è un test obsoleto. Quel test è ancora appropriato, ma viene utilizzato solo per testare la normalità. Poiché JMP può adattarsi a molte distribuzioni diverse, per coerenza è stato effettuato il passaggio ad Anderson-Darling. Tale test può essere utilizzato per testare qualsiasi distribuzione.

Oggetto: Anderson-Darling - Shapiro Wilk

È un test di ipotesi, quindi funziona come il test di Shapiro-Wilks. L'ipotesi nulla è la distribuzione adattata. La statistica del test del campione è A2. È un test con la coda superiore come i test chi quadrato e F. Una grande statistica è una prova contro il nulla. La probabilità dichiarata è per A2 almeno pari a quella stimata dal tuo campione quando l'ipotesi nulla è vera.

 

È pensato per essere utilizzato per decidere se rifiutare il modello adattato. Non è destinato ad essere utilizzato per la selezione del modello. Un criterio come AICc sarebbe migliore a tal fine.

 

I tre esempi che hai fornito presentano ciascuno un valore p per la tua decisione. Per prima cosa decidi il rischio di errore di tipo I che sei disposto a prendere (cioè il livello alfa) e poi confronti il p-value con l'alfa. Se il valore p è minore di alfa, respingi l'ipotesi nulla. Altrimenti, continui a presumere che il valore null sia vero. Ad esempio, se utilizzo alpha = 0.1, non rifiuto il valore nullo per il primo caso, ma rifiuto il valore nullo per gli altri due test.

 

Si noti che l'utilizzo dello stesso test di ipotesi con lo stesso campione della popolazione per molti modelli diversi aumenta le possibilità di errori di tipo I. Tale pratica è un esempio di confronti multipli.