Test de Kolmogorov-Smirnov pour une distribution donnéeBonjour,
Je souhaite utiliser le test de Kolmogorov-Smirnov pour tester le type de distribution d'un groupe de données. L'idée est de déterminer si les données sont de distribution de Weibull, gaussienne ou de Rayleigh.
J'ai pensé à créer une colonne qui crée des niveaux entre les données testées et les données d'une distribution donnée, mais cela impliquerait de remplir la colonne à la main.
Avez-vous une idée sur la façon d'utiliser la fonction Kolmogorov-Smirnov implémentée pour comparer les données avec une distribution donnée ?
Merci d'avance
Modélisation statistique avancéeAnalyse et modélisation des données de baseRe : Test de Kolmogorov-Smirnov pour une distribution donnéeBonjour @estelle-ippon ,
Bienvenue dans la Communauté !
Pour tester le type de distribution de vos données, vous pouvez simplement utiliser la plateforme Distributions , et dans les options du triangle rouge des données, vous pouvez choisir « Ajustement continu » et sélectionner tout ou seulement un type spécifique de distributions :
Si vous avez sélectionné plusieurs distributions ou toutes, vous aurez une première vue de comparaison des distributions avec le critère AICc :
Si vous souhaitez un test statistique, sélectionnez simplement la distribution que vous souhaitez tester, et dans le triangle rouge de cette distribution sélectionnez « Bonté de l'ajustement » :
Pour les ajustements continus, le test d'ajustement est leAnderson-Darlingtest :Distributions d'ajustement
Si vous souhaitez comparer deux distributions à l'aide du test de Kolmogorov-Smirnov, le menu Analyse à sens unique dans Fit Y by X de la plateforme peut vous aider : Les options de la plateforme Oneway
J'espère que cette réponse vous aidera,
Re : Test de Kolmogorov-Smirnov pour une distribution donnéeSalut Victor,
Merci pour votre réponse.
Je souhaite utiliser le test KS pour vérifier si mes données correspondent à une distribution gaussienne, de Weibull ou de Rayleigh. Pourriez-vous m'en dire un peu plus sur l'analyse à un facteur ?
Avez-vous une idée sur la façon de mettre en œuvre un tel test ?
Re : Test de Kolmogorov-Smirnov pour une distribution donnéeBonjour @estelle-ippon ,
Vous pourriez techniquement faire ce que vous voulez, mais cela nécessitera un travail préliminaire pour y parvenir, et cela vous obligera à définir la distribution de manière assez précise.
Vous devez d'abord préparer votre table de données :
- Générez une colonne de formule aléatoire avec la distribution correcte dans votre table de données (dans mon cas, j'utilise l'ensemble de données Big Class Families et je crée une nouvelle colonne avec une distribution de formule Weibull pour la comparer avec la colonne « Hauteur ») :
- Empilez les données générées avec la colonne que vous souhaitez tester, en ajoutant une étiquette et des valeurs pour différencier les « données réelles » des « données simulées » :
- Utilisez la plateforme Fit Y by X, avec les données comme Y et le type d'étiquette/distribution (réel/simulé) comme X :
- Dans le triangle rouge, dans « Non paramétrique », choisissez « Test de Kolmogorov-Smirnov » pour comparer vos données simulées avec les données réelles :
Vous aurez alors les statistiques affichées pour ce test : Rapports de tests non paramétriques
J'espère que cette réponse vous aidera,
Re : Test de Kolmogorov-Smirnov pour une distribution donnéeMerci beaucoup pour votre réponse, je pense aussi que ce serait une bonne idée.
Mais d'un autre côté, avez-vous une idée sur la façon d'implémenter ce test si nous ne connaissons pas les paramètres de la distribution ? Je ne pense pas pouvoir créer une colonne manuellement sans ces paramètres.
Pensez-vous que ce soit faisable ? Sinon, je vais devoir créer le test à la main, je suppose…
Re : Test de Kolmogorov-Smirnov pour une distribution donnéeVous pourriez ensuite utiliser la première option décrite avec la plateforme de distribution pour estimer les paramètres de la distribution que vous souhaitez tester. Créez ensuite une colonne de formules aléatoires avec la distribution et les estimations trouvées précédemment, puis suivez la procédure de ma deuxième réponse pour effectuer le test KS afin de comparer les données simulées et les données mesurées.
Mais je pense que le test Anderson-Darling disponible sur la plateforme Distribution est l'option la plus directe, et très proche de ce que vous avez l'intention de faire.
