Ändern der Prob > A2-Werte im Anderson-Darling-TestWenn ich einen Anderson-Darling-Test für eine Verteilung durchführe, erhalte ich seltsame Ergebnisse: Ich habe die Analyse einmal durchgeführt (kontinuierliche Verteilung, Anpassung normal, Anpassungsgüte) und sie dann in ein Skript kopiert. Wenn ich das Skript jetzt mehrmals für denselben Datensatz ausführe, ändern sich die Werte „Prob > A2“. Sie ändern sich nicht jedes Mal, aber meistens. Es ändern sich keine anderen Werte, einschließlich A2. Können Sie erklären, was hier vor sich geht und wie man es beheben kann? Vielen Dank im Voraus!
Anne
Datenexploration und -visualisierungErgebnisse teilen und kommunizierenBetreff: Ändern der Prob > A2-Werte im Anderson-Darling-TestVielen Dank für diese klare/dokumentierte Antwort, sie hat mir ein Jahr später geholfen. In einer aktuellen Erfahrung (n=31) waren die p-Wert-Variationen alles andere als vernachlässigbar (Änderungen an der zweiten Dezimalstelle). Es wäre interessant, die Anzahl der Monte-Carlo-Simulationen standardmäßig zu erhöhen, was in den meisten Fällen wahrscheinlich unbemerkt bleiben würde. Wenn ich falsch liege, könnte es sich nur um einen Anstieg handeln, wenn die p-Wert-Schätzung unter 0,1 liegt, oder es könnte eine Option innerhalb der Continuous-Fit-Plattform sein)
Betreff: Ändern der Prob > A2-Werte im Anderson-Darling-TestVielen Dank. Daher verwende ich besser den Shapiro-Wilk-W-Test, um konsistente Ergebnisse zu erhalten.
Betreff: Ändern der Prob > A2-Werte im Anderson-Darling-TestDies ist das erwartete Verhalten.Folgendes finden Sie in der Hilfe: Für kontinuierliche Anpassungen ist der Test auf Güte der Anpassung der Anderson-Darling prüfen. Der P -Wert für den Test wird mithilfe eines parametrischen Bootstrap simuliert, ähnlich dem in Abschnitt 4.1 von Stephens beschriebenen Verfahren ( 1974 ). Bei Normalverteilungen wird der Shapiro-Wilk-Test auf Normalität auch dann gemeldet, wenn die Stichprobengröße kleiner oder gleich 2000 ist und keine festen Parameter vorhanden sind.“
Da dieser Wert simuliert wird, ist nicht zu erwarten, dass der Wert bei jedem Lauf gleich ist.
