Anderson-Darling - 샤피로 윌크데이터의 정규성을 테스트해야 합니다.
처음 사용한 9 버전 이제 15.0
포럼에서 알 수 있듯이 Shapiro Wilk 테스트는 구식이며 Anderson-Darling 테스트(AD)가 현재 사용되고 있습니다. AD는 분포 종류를 정의하는 데 사용됩니다.
정규 분포;
코시;
로그 정규;
지수;
감마;
샤시;
와이블.
그러나 기준은 어떻습니까? Shapiro-Wilk처럼 보이나요?
아래 세 가지 상황을 해석하도록 도와주세요.
1.
2.
삼.
그리고 왜 문제 매번은 > 그 다음에 A2 ?
고급 통계 모델링기본 데이터 분석 및 모델링데이터 접근데이터 탐색 및 시각화실험 설계품질 및 프로세스 엔지니어링회신: Anderson-Darling - Shapiro Wilk귀하의 질문에 대한 추가 의견입니다. Shapiro-Wilk는 오래된 테스트가 아닙니다. 이 테스트는 여전히 적절하지만 정규성을 테스트하는 데만 사용됩니다. JMP는 다양한 분포에 적합할 수 있으므로 일관성을 위해 Anderson-Darling으로 전환했습니다. 이 테스트는 모든 분포를 테스트하는 데 사용할 수 있습니다.
회신: Anderson-Darling - Shapiro Wilk이것은 가설 검정이므로 Shapiro-Wilks 검정처럼 작동합니다. 귀무 가설은 적합 분포입니다. 표본 검정 통계량은 A2입니다. 카이 제곱 및 F 테스트와 같은 위쪽 꼬리 테스트입니다. 큰 통계는 null에 대한 증거입니다. 명시된 확률은 A2에 대해 최소한 귀무 가설이 참일 때 표본에서 추정된 확률만큼 큽니다.
적합 모델을 기각해야 하는지 여부를 결정하는 데 사용됩니다. 모델 선택에 사용하기 위한 것이 아닙니다. AICc와 같은 기준이 그 목적에 더 적합할 것입니다.
귀하가 제공한 세 가지 예는 각각 귀하의 결정에 대한 p-값을 나타냅니다. 먼저 감수할 제1종 오류 위험(예: 알파 수준)을 결정한 다음 p-값을 알파와 비교합니다. p-값이 알파보다 작으면 귀무 가설을 기각합니다. 그렇지 않으면 null이 참이라고 계속 가정합니다. 예를 들어 알파 = 0.1을 사용하는 경우 첫 번째 경우에는 null을 거부하지 않지만 다른 두 테스트에서는 null을 거부합니다.
많은 다른 모델에 대해 모집단의 동일한 표본에 대해 동일한 가설 테스트를 사용하면 유형 I 오류의 가능성이 높아집니다. 이러한 관행은 다중 비교의 예입니다.
