«normality-assumption» etiketlenmiş sorular

Shapiro-Wilk normallik testi ile Kolmogorov-Smirnov normallik testi arasındaki fark nedir? Bu iki yöntemin sonuçları ne zaman farklılık gösterecek?

30 distributions  statistical-significance  normality-assumption  kolmogorov-smirnov 

Bunun büyüleyici bir konu olduğunu düşünüyorum ve tam olarak anlamıyorum. Hangi fizik kanunu bu kadar doğal fenomenin normal dağılıma sahip olmasını sağlar? Düzgün dağılıma sahip olmaları daha sezgisel görünebilir. Bunu anlamak benim için çok zor ve bazı bilgileri kaçırdığımı hissediyorum. Biri bana iyi bir açıklama yapması için yardımcı olabilir mi …

29 distributions  normal-distribution  normality-assumption  uniform 

İstatistikler konusunda oldukça yeniyim ve yardımınıza ihtiyacım var. Aşağıdaki gibi küçük bir örnek var: H4U 0.269 0.357 0.2 0.221 0.275 0.277 0.253 0.127 0.246 Shapiro-Wilk testini R kullanarak yaptım. shapiro.test(precisionH4U$H4U) ve şu sonucu aldım: W = 0.9502, p-value = 0.6921 Şimdi, anlamlılık seviyesini p 'de 0,05 değerinden daha yüksek olduğunu …

29 r  distributions  interpretation  goodness-of-fit  normality-assumption 

Bir regresyon modelini yerleştirirken, çıktıların varsayımlarına uyulmazsa, özellikle: Artıklar homoscedastik değilse ne olur? Kalanlar Kalanlar - Takılan arsa'da artan veya azalan bir model gösteriyorsa. Artıklar normal dağılmazsa ve Shapiro-Wilk testinde başarısız olursa ne olur? Shapiro-Wilk normallik testi çok katı bir testtir ve bazen Normal-QQ grafiği biraz makul görünse bile, veriler …

28 regression  multiple-regression  error  assumptions  normality-assumption 

Bu yazıda , karışık etki modellemesi ile bir ölçümün tekrarlanabilirliğini (diğer bir deyişle güvenilirlik, sınıf içi korelasyon) nasıl hesaplayacağımı anladım . R kodu şöyle olurdu: #fit the model fit = lmer(dv~(1|unit),data=my_data) #obtain the variance estimates vc = VarCorr(fit) residual_var = attr(vc,'sc')^2 intercept_var = attr(vc$id,'stddev')[1]^2 #compute the unadjusted repeatability R = …

28 mixed-model  reliability  intraclass-correlation  repeatability  spss  factor-analysis  survey  modeling  cross-validation  error  curve-fitting  mediation  correlation  clustering  sampling  machine-learning  probability  classification  metric  r  project-management  optimization  svm  python  dataset  quality-control  checking  clustering  distributions  anova  factor-analysis  exponential  poisson-distribution  generalized-linear-model  deviance  machine-learning  k-nearest-neighbour  r  hypothesis-testing  t-test  r  variance  levenes-test  bayesian  software  bayesian-network  regression  repeated-measures  least-squares  change-scores  variance  chi-squared  variance  nonlinear-regression  regression-coefficients  multiple-comparisons  p-value  r  statistical-significance  excel  sampling  sample  r  distributions  interpretation  goodness-of-fit  normality-assumption  probability  self-study  distributions  references  theory  time-series  clustering  econometrics  binomial  hypothesis-testing  variance  t-test  paired-comparisons  statistical-significance  ab-test  r  references  hypothesis-testing  t-test  normality-assumption  wilcoxon-mann-whitney  central-limit-theorem  t-test  data-visualization  interactive-visualization  goodness-of-fit 

GAM kullandığımda, artık DF (kodun son satırı) olduğunu gösteriyor. Bu ne anlama geliyor? GAM örneğinin ötesine geçmek, Genel olarak, serbestlik derecelerinin sayısı tam sayı olmayan bir sayı olabilir mi?26,626,626.6 > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula = mpg ~ lo(wt), data = mtcars) Deviance Residuals: Min 1Q Median 3Q Max -4.1470 …

27 r  degrees-of-freedom  gam  machine-learning  pca  lasso  probability  self-study  bootstrap  expected-value  regression  machine-learning  linear-model  probability  simulation  random-generation  machine-learning  distributions  svm  libsvm  classification  pca  multivariate-analysis  feature-selection  archaeology  r  regression  dataset  simulation  r  regression  time-series  forecasting  predictive-models  r  mean  sem  lavaan  machine-learning  regularization  regression  conv-neural-network  convolution  classification  deep-learning  conv-neural-network  regression  categorical-data  econometrics  r  confirmatory-factor  scale-invariance  self-study  unbiased-estimator  mse  regression  residuals  sampling  random-variable  sample  probability  random-variable  convergence  r  survival  weibull  references  autocorrelation  hypothesis-testing  distributions  correlation  regression  statistical-significance  regression-coefficients  univariate  categorical-data  chi-squared  regression  machine-learning  multiple-regression  categorical-data  linear-model  pca  factor-analysis  factor-rotation  classification  scikit-learn  logistic  p-value  regression  panel-data  multilevel-analysis  variance  bootstrap  bias  probability  r  distributions  interquartile  time-series  hypothesis-testing  normal-distribution  normality-assumption  kurtosis  arima  panel-data  stata  clustered-standard-errors  machine-learning  optimization  lasso  multivariate-analysis  ancova  machine-learning  cross-validation 

Ham veriler üzerinde değil de artıklarında normalliği test etmem gerektiğini öğrendim. Artıkları hesaplamalı mıyım ve sonra Shapiro-Wilk'ün W testi yapmalı mıyım? Artıklar şu şekilde hesaplanıyor mu: ?Xben- demekXben-anlamına gelmekX_i - \text{mean} Lütfen verilerim ve tasarım için bu önceki soruya bakınız .

27 normality-assumption  residuals  assumptions 

6 örneklem büyüklüğüne sahibim. Böyle bir durumda, Kolmogorov-Smirnov testini kullanarak normalliği test etmek mantıklı mı? SPSS kullandım. Çok küçük bir örneklem büyüklüğüne sahibim çünkü her birini almak zaman alıyor. Mantıklı değilse, test etmek için anlamlı olan en düşük sayı kaç örnek? Not: Kaynak kodla ilgili bazı deneyler yaptım. Örnek, bir …

26 hypothesis-testing  normality-assumption  kolmogorov-smirnov  power 

Literatürde bir yerlerde Shapiro-Wilk testinin en iyi normallik testi olarak kabul edildiğini okudum, çünkü verilen bir anlamlılık düzeyi için, , yanlış olması durumunda boş hipotezi reddetme olasılığı diğerinden daha yüksek normallik testleri.αα\alpha Bana mümkünse matematiksel argümanlar kullanarak, diğer bazı normallik testlerine kıyasla tam olarak nasıl çalıştığını açıklayabilir misiniz (Anderson - …

24 hypothesis-testing  normal-distribution  normality-assumption 

Örneklerin dağılımları normallikten çıktığında t- testinin "makul derecede sağlam" olduğunu okudum . Tabii ki, önemli olan farklılıkların örnekleme dağılımı. İki grup için verilerim var. Gruplardan biri bağımlı değişkene aşırı eğridir. Örneklem büyüklüğü her iki grup için de oldukça küçüktür (birinde n = 33, diğerinde 45). Bu koşullar altında t- testimin …

24 t-test  assumptions  normality-assumption  robust 

Bir deneyi tekrarlanan ölçümlerle ANOVA ile analiz ettim. ANOVA, 2 denek-denek faktörü içeren 3'lü (N = 189) 3x2x2x2x3'tür. Hata oranı bağımlı değişkendir. Hata oranlarının dağılımı 3.64 bükülme ve 15.75 kurtosis vardır. Çarpıklık ve kurtosis, hata oranının% 90'ının sonucudur. Normalde dağıtılmayan verileriniz varsa, mümkünse dönüştürmenin sizin yararınıza olduğunu düşündüm, ancak çoğu …

22 anova  normality-assumption 

Ağ ping sürelerini gerçek bir dünya sürecinden örnekledim. "Gidiş-dönüş süresi" milisaniye cinsinden ölçülür. Sonuçlar bir histogramda çizilmiştir: Ping süreleri minimum bir değere sahiptir, ancak uzun bir üst kuyruk. Bunun ne kadar istatistiksel dağılım olduğunu ve parametrelerinin nasıl tahmin edileceğini bilmek istiyorum. Dağılım normal bir dağılım olmasa da, ne elde etmeye …

22 distributions  sample-size  sample  normality-assumption  distribution-identification 

Doğrusal regresyon varsayımlarının ne olduğu konusunda biraz kafam karıştı. Şimdiye kadar: açıklayıcı değişkenlerin tümü yanıt değişkeni ile doğrusal olarak ilişkilidir. (Durum böyleydi) açıklayıcı değişkenler arasında herhangi bir eşzamanlılık vardı. (çok az eşzamanlılık vardı). Cook'un modelimin veri noktalarındaki mesafeleri 1'in altındadır (bu durumda, tüm mesafeler 0,4'ün altındadır, bu nedenle etki noktası …

22 linear-model  residuals  assumptions  normality-assumption 

Şimdiye kadar, küçük örneklerde normallik varsayımlarını test etmek için Shapiro-Wilk istatistiği kullanıyorum. Başka bir teknik önerebilir misiniz?

22 hypothesis-testing  goodness-of-fit  normality-assumption  small-sample 

Temel bileşen analizi (PCA) yaptıktan sonra, PCA alanına yeni bir vektör yansıtmak istiyorum (yani PCA koordinat sistemindeki koordinatlarını bulmak). PCA'yı R dilinde kullanarak hesapladım prcomp. Şimdi vektörümü PCA dönme matrisi ile çarpabilmeliyim. Bu matristeki temel bileşenler satır veya sütunlar halinde mi düzenlenmelidir?

21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial