정규성 테스트배포용으로 Shapiro Wilks Test를 얻고 싶었지만 얻을 수 없습니다. 레거시 피터에 대한 토론에 게시된 방법을 시도했습니다. 그것은 나에게 KSL 테스트만을 제공합니다. 그렇지 않고 레거시 피터를 사용하지 않으면 Anderson-Darlling 테스트가 제공됩니다. 내 샘플 크기는 30,000개 이상으로 매우 큽니다. 그것이 그것과 관련이 있는지 확실하지 않습니다. 도와 줘서 고마워
데이터 탐색 및 시각화Re: 정규성 테스트우리가 가르치는 대부분의 통계학은 작은 표본이 원칙이던 80~100년 전에 개발된 것입니다. 그래서 문제는 '작은 표본으로 무엇을 설득력 있게 배우거나 결정할 수 있는가?'였습니다. 추론 기술은 그때부터 시작되었습니다. 이러한 상황은 여전히 존재하지만(예: 이용 가능한 데이터가 없거나 실험이 필요함...) 25년 전에 새로운 상황이 발생했습니다. 이제 우리는 배울 수 있는 대규모 데이터베이스를 보유하고 있습니다. 추론은 무의미합니다. 모든 것이 통계적으로 유의미합니다. 즉, 가장 작은 차이나 가장 작은 모수 추정치라도 통계적으로 유의미합니다. 따라서 예측 모델링은 유의성을 추론하려고 시도하지 않습니다. 대신 기능/모델 선택을 통한 예측 성능에 중점을 둡니다. 그것은 다른 도전이고 다른 사고방식이 필요합니다.
또한 이 특정한 경우에 정규 분포가 가정되는 이유는 무엇입니까? 정규 분포는 무엇입니까? 데이터? 추정? 그리고 비정규성의 결과는 무엇입니까? 결과나 결정을 타협하려면 정상에서 얼마나 벗어나야 합니까? 이 방법은 얼마나 강력합니까?
Re: 정규성 테스트감사합니다 @마크_베일리 이 댓글에 대해. 이는 모든 통계적 유의성 테스트에서 매우 중요한 포인트입니다. 불행하게도 너무 많은 사람들이 시각적 요소나 계수의 크기를 보지 않고 p 값에 고정되어 있습니다. 일부 연구 분야에서는 실질적으로 의미 있는 차이를 탐지하기 위해 최소 표본 크기를 사용하여 이를 부분적으로 방지합니다.
그러나 무의미한 통계적 유의성을 얻는 것이 매우 쉽다는 사실을 리뷰어나 연구자를 포함한 일부 사람들에게 설명하는 것은 매우 어렵습니다.
Re: 정규성 테스트N > 30,000인 대규모 샘플은 통계적으로 유의미하지만 실제로는 중요하지 않을 수 있는 비정규 특징(이상적인 정규 CDF에서 벗어남)을 감지합니다.
Re: 정규성 테스트@tonya_mauldin 처음 변경이 이루어졌을 때 이 점을 아주 잘 설명했습니다. JMP 블로그 게시물 .
Re: 정규성 테스트어떻게 해석해야 할지 난감하네요. ~50개의 변수에 대한 모든 Anderson-Darling p-값은 유의미하지만 그 중 다수의 분포는 정상적으로 보입니다....
Re: 정규성 테스트Anderson-Darling은 더욱 강력한 테스트이며 우리가 사용하도록 제안하는 테스트입니다.
Re: 정규성 테스트메시지를 보내주셔서 감사합니다. 그렇다면 KSL과 Anderson-Darling 중에서 어떤 테스트가 Shapiro Wilks를 대체할 수 있을까요?
Re: 정규성 테스트레거시 분포의 경우 표본 크기가 2000보다 작거나 같을 때 정규성에 대한 Shapiro-Wilk 검정이 보고됩니다. KSL 테스트는 2000보다 큰 샘플에 대해 계산됩니다.표본 크기가 크면 Shapiro-Wilk 검정의 검정력이 큽니다. 따라서 분포와 귀무 가설 사이의 작은 차이는 의미가 있으며 귀무 가설을 기각하게 됩니다.
