Analyse de la qualité de l'ajustement - Valeurs p de Shapiro-Wilk et Anderson-DarlingBonjour,
J'étais curieux de savoir quelque chose. Je regardais la qualité de l'ajustement sous Distributions utilisant la distribution normale ajustée -> Test de qualité de l'ajustement et je sais, d'après ce que j'ai lu sur l'interprétation des résultats, que si les valeurs p sont petites, alors vous rejetez la valeur nulle et pouvez conclure que les données ne sont pas distribuées normalement. Donc, mon premier regard sur la colonne était évident qu'elle n'était pas distribuée normalement (ce à quoi je m'attendais).
J'ai donc essayé de normaliser en utilisant Johnson Normalize et je l'ai relancé avec cela et cela n'a pas fonctionné.
J'ai donc essayé la méthode du quantile normal et je l'ai exécutée à nouveau. Au premier abord, j'ai pensé que cela fonctionnait, mais j'ai ensuite remarqué que la valeur p de Shapiro-Wilk = 0,0027 (ce qui justifierait le rejet de la valeur nulle) mais la valeur p d'Anderson-Darling = 0,1672, ce qui ne le justifie pas.
Question 1 : Que faites-vous lorsqu'ils entrent en conflit de cette façon ? Doivent-ils tous les deux aboutir à la même conclusion ?
Question 2 : Est-ce mauvais d'essayer différentes méthodes de normalisation de cette façon ? Si oui, avez-vous des suggestions de documentation ou de vidéos pour vous aider à choisir la meilleure ?
Analyse et modélisation de données de baseExploration et visualisation des donnéesRé: Analyse de la qualité de l'ajustement - Valeurs p de Shapiro-Wilk et Anderson-Darling1 : Ils sont en conflit parce qu'ils utilisent des mathématiques différentes. Anderson-darling est plus sensible à la déviation dans la queue. D'après votre image, il semble assez « ondulé » tout au long de ce tracé normal. Ainsi, le Shapiro-Wilk pourrait détecter ce signal anormal qui se trouve en dehors des queues.
2 : mauvais ? Je ne sais pas. C'est une stratégie acceptée pour explorer quelle transformation de données fonctionnerait le mieux dans la situation. Je ne suis pas sûr de dire que c'est mauvais. J'aime cependant la transformation Box Cox plus que toute autre lorsqu'elle résout la non-normalité.
Je pense que l'ensemble de la configuration relève davantage d'une discussion académique. Et si c'était le cas et pourquoi les tests de normalité sont-ils importants ? Je dirais qu'il est presque probable que tout le temps passé sur ce sujet ne soit qu'un traitement supplémentaire et non nécessaire dans le contexte d'une décision commerciale. Vos données ressemblent à des chiffres financiers. Et de très gros chiffres en plus. Le fait qu'ils ne soient pas normaux n'est donc pas si surprenant.
plus de contexte pourrait vous permettre d'obtenir plus de réponses.
Ré: Analyse de la qualité de l'ajustement - Valeurs p de Shapiro-Wilk et Anderson-DarlingBonjour @ACraig : Une remarque sur la « transformation » du quantile normal. Quelle que soit la distribution parente, la « transformation » du quantile normal aboutira, par définition, toujours à une distribution normale. C'est une fonction des rangs, pas des données brutes. Ce n'est donc pas une transformation appropriée vers la normalité.
Comme l’a dit @awelsh , le contexte est important ici ; pourquoi testez-vous la normalité ?
Ré: Analyse de la qualité de l'ajustement - Valeurs p de Shapiro-Wilk et Anderson-DarlingBonjour, j'apprécie vraiment vos commentaires ! Pour répondre à votre question, je souhaitais effectuer des tests ANOVA.
Ré: Analyse de la qualité de l'ajustement - Valeurs p de Shapiro-Wilk et Anderson-DarlingCombinez-vous l'ensemble des données dans les exemples ci-dessus ? Il se peut que les différences entre les moyennes des sous-groupes soient à l'origine de la non-normalité dans l'ensemble de données combiné. Vérifiez les sous-groupes individuellement pour vérifier la normalité non combinée si tel est le cas.
Vous pouvez également utiliser des alternatives telles que les graphiques X-bar et R. Ou l'ANOVA de Welch. S'il s'agit de données financières, vous pouvez tester les médianes avec Mann-Whitney au lieu des moyennes.
Ré: Analyse de la qualité de l'ajustement - Valeurs p de Shapiro-Wilk et Anderson-DarlingSalut @ACraig : Pour info, et en plus des très bons commentaires de @awelsh , la variance constante (les écarts-types, pour chaque groupe, sont similaires) est plus importante que la normalité.
