安德森-达林 - 夏皮罗·威尔克我必须测试数据的正态性。
第一次用9版本，现在15.0
据我从论坛了解到，夏皮罗威尔克测试已经过时，目前正在使用安德森-达林测试（AD）。 AD 用于定义分布类型
正态分布；
柯西；
对数正态；
指数；
伽玛；
沙什；
威布尔。
但有一个标准呢？ 它看起来像夏皮罗-威尔克的吗？
请帮我解释一下以下三种情况
1.
2.
3.
为什么会这样概率每次都是>然后A2 ？
高级统计建模基础数据分析和建模数据存取数据探索和可视化实验设计质量和工艺工程回复：安德森-达林 - 夏皮罗·威尔克对您的问题仅补充一条评论。 夏皮罗-威尔克测试并不是过时的测试。 该测试仍然合适，但仅用于测试正态性。 由于 JMP 可以拟合许多不同的分布，因此为了保持一致性而改用 Anderson-Darling。 该测试可用于测试任何发行版。
回复：安德森-达林 - 夏皮罗·威尔克这是一个假设检验，因此它的工作原理类似于夏皮罗-威尔克斯检验。 原假设是拟合分布。 样本检验统计量为A2。 它是一种上尾检验，类似于卡方检验和 F 检验。 大量的统计数据是反对零的证据。 当零假设为真时，A2 的所述概率至少与样本估计的概率一样大。
它旨在用于决定是否应拒绝拟合模型。 它不适用于模型选择。 AICc 等标准更适合此目的。
您提供的三个示例分别为您的决策提供了一个 p 值。 首先，您决定愿意承担的 I 类错误风险（即 alpha 水平），然后将 p 值与 alpha 进行比较。 如果 p 值小于 alpha，则拒绝原假设。 否则，您将继续假设 null 为 true。 例如，如果我使用 alpha = 0.1，那么我不会拒绝第一种情况的 null，但会拒绝其他两个测试的 null。
请注意，对许多不同的模型使用相同的总体样本进行相同的假设检验会增加出现 I 类错误的机会。 这种做法就是多重比较的一个例子。
