正規性のテスト配布用にシャピロ・ウィルクス・テストを取得したかったのですが、取得できません。 レガシーフィッターに関するディスカッションに投稿された方法を試してみました。 それは私にKSLテストを与えるだけです。 それ以外の場合、従来のフィッターを使用しない場合は、Anderson-Darlling テストが行われます。 私のサンプル サイズは非常に大きく、30,000 を超えていますが、それが関係しているかどうかはわかりません。 ご協力ありがとうございます
データの探索と視覚化Re: 正規性のテスト私たちが教えられている統計のほとんどは、80 ～ 100 年前に開発されたもので、当時はサンプル数が少ないことが一般的でした。 そこで問題は、「少数のサンプルから何を説得力を持って学び、判断できるのか?」ということでした。 そこで始まった推論技術。 このような状況は依然として存在します (例: データが利用できない、実験する必要があるなど)。しかし、25 年前に新しい状況が発生しました。 私たちは現在、学習するための巨大なデータベースを持っています。 推論は無意味です。 すべてが統計的に有意です。 つまり、最小の差や最小パラメータ推定値であっても、統計的に有意です。 したがって、予測モデリングは重要性を推測しようとするものではありません。 代わりに、機能/モデルの選択による予測パフォーマンスに重点が置かれています。 それは異なる挑戦であり、異なる考え方が必要です。
また、この特定のケースでは、なぜ正規分布が想定されるのでしょうか? 何が正規分布すると考えられますか? データ？ 見積もり？ そして、非正規性がもたらす結果は何でしょうか? 結果や決定に妥協するには、通常からどれだけ逸脱する必要がありますか? この方法はどの程度堅牢ですか?
Re: 正規性のテストありがとう@Mark_Baileyこのコメントに関しては。 これは、すべての統計的有意性検定において非常に重要な点です。残念ながら、ビジュアルや係数のサイズを見ずに p 値に固定されている人が多すぎます。 一部の研究分野では、最小限のサンプルサイズを使用して実際に意味のある差異を検出することで、これを部分的に回避しています。
しかし、無意味な統計的有意性が非常に簡単に得られることを、査読者や研究者を含む一部の人々に説明するのは非常に困難です。
Re: 正規性のテストサンプル N > 30,000 が大きいと、統計的には有意であっても実際には重要ではない非正規特徴 (理想的な正規 CDF からの逸脱) が検出されます。
Re: 正規性のテスト@tonya_mauldinこのことは、最初に変更が加えられたときに非常によく説明されました。 JMP ブログ投稿。
Re: 正規性のテストどう解釈すればいいのか迷っています。 約 50 個の変数に対するアンダーソン ダーリングの p 値はすべて有意ですが、それらの多くの分布は正常に見えます。
Re: 正規性のテストAnderson-Darling はより強力なテストであり、使用することをお勧めします。
Re: 正規性のテストメッセージありがとうございます。 それでは、KSLとアンダーソン・ダーリンのうち、シャピロ・ウィルクスの代わりとなるのはどのテストでしょうか?
Re: 正規性のテスト従来の分布の場合、サンプル サイズが 2000 以下の場合、正規性に関する Shapiro-Wilk 検定がレポートされます。 KSL テストは、2000 を超えるサンプルに対して計算されます。サンプルサイズが大きい場合、Shapiro-Wilk 検定の検出力は大きくなります。 したがって、分布と帰無仮説間のわずかな違いには意味があり、帰無仮説の棄却につながります。
