Test de normalitéJe voulais obtenir Shapiro Wilks Test pour une distribution mais je n'arrive pas à l'obtenir. J'ai essayé la méthode publiée dans la discussion sur les anciens installateurs. Cela ne me donne que le test KSL. Sinon, si je n'utilise pas d'installateurs existants, cela me donne le test Anderson-Darlling. La taille de mon échantillon est extrêmement grande, > 30 000, je ne sais pas si cela a quelque chose à voir avec cela. Merci pour l'aide
Exploration et visualisation des donnéesRe : Test de normalitéLa plupart des statistiques qui nous sont enseignées ont été élaborées il y a 80 à 100 ans, lorsque les petits échantillons étaient la règle. La question était donc la suivante : « De quoi puis-je tirer des leçons convaincantes ou décider avec un petit échantillon ? » Les techniques d'inférence ont alors commencé. De telles situations existent encore (par exemple, pas de données disponibles, nécessité d'expérimenter...) mais une situation nouvelle est apparue il y a 25 ans. Nous disposons désormais d’énormes bases de données à partir desquelles nous pouvons apprendre. L'inférence est inutile. Tout est statistiquement significatif. Autrement dit, même les plus petites différences ou les plus petites estimations de paramètres sont statistiquement significatives. Ainsi, la modélisation prédictive ne tente pas de déduire une signification. Au lieu de cela, l’accent est mis sur les performances prédictives via la sélection de fonctionnalités/modèles. C’est un défi différent et nécessite un état d’esprit différent.
De plus, dans ce cas précis, pourquoi suppose-t-on une distribution normale ? Qu'est-ce qui est censé être normalement distribué ? Données? Une estimation? Et quelles sont les conséquences de la non-normalité ? Dans quelle mesure un écart par rapport à la normale est-il nécessaire pour compromettre le résultat ou la décision ? Quelle est la robustesse de la méthode ?
Re : Test de normalitéMerci @Mark_Bailey pour ce commentaire. C’est un point très important pour tous les tests de signification statistique. malheureusement, trop de gens se fixent sur les valeurs p sans regarder les visuels ou la taille des coefficients. Dans certains domaines de recherche, cela est partiellement évité en utilisant des tailles d’échantillon minimales pour détecter une différence pratiquement significative.
Pourtant, il est très difficile d’expliquer à certaines personnes, notamment aux examinateurs et aux chercheurs, qu’il est très facile d’obtenir une signification statistique qui n’a aucun sens.
Re : Test de normalitéVotre grand échantillon N > 30 000 conduit à la détection de caractéristiques non normales (écarts par rapport au CDF normal idéal) qui peuvent être statistiquement significatives mais pratiquement sans importance.
Re : Test de normalité@tonya_mauldin l'a très bien expliqué lorsque les changements ont été apportés pour la première fois dans un Article de blog JMP .
Re : Test de normalitéJe ne sais pas comment l'interpréter. Toutes mes valeurs p d'Anderson-Darling pour environ 50 variables sont significatives, mais les distributions de beaucoup d'entre elles semblent normales...
Re : Test de normalitéAnderson-Darling est un test plus puissant et c'est celui que nous suggérons d'utiliser.
Re : Test de normalitéMerci pour votre message. Alors entre KSL et Anderson-Darling, quel test est un bon substitut à Shapiro Wilks ?
Re : Test de normalitéPour les distributions existantes, le test de normalité de Shapiro-Wilk est rapporté lorsque la taille de l'échantillon est inférieure ou égale à 2 000. Le test KSL est calculé pour des échantillons supérieurs à 2000.Lorsque la taille de l’échantillon est grande, le test de Shapiro-Wilk a une grande puissance. Par conséquent, toute petite différence entre votre distribution et l’hypothèse nulle est significative et conduit au rejet de l’hypothèse nulle.
