Shapiro-Wilk는 강력한 정규성 테스트입니다.

가장 좋은 방법은 실제로 사용하려는 모든 절차가 다양한 종류의 비정규성에 얼마나 민감한 지에 대한 좋은 아이디어를 얻는 것입니다. 받아 들일 수 있습니다).

도표를보기위한 비공식적 인 접근 방식은 실제로 가지고있는 것과 동일한 표본 크기 (예 : 24 개)와 동일한 표본 크기의 정규 데이터 세트를 생성하는 것입니다. 이러한 플롯의 그리드에 실제 데이터를 플로팅하십시오 (24 개의 랜덤 세트의 경우 5×5). 특히 이상하게 보이지 않는 경우 (가장 최악으로 보이는 경우) 정상과 합리적으로 일치합니다.

내 눈에, 중앙의 데이터 세트 “Z”는 “o”및 “v”및 아마도 “h”와 대략적으로 같지만 “d”및 “f”는 약간 나빠 보입니다. “Z”는 실제 데이터입니다. 나는 그것이 실제로 정상이라고 잠시 믿지 않지만, 일반 데이터와 비교할 때 특히 이상하게 보이지는 않습니다.

[편집 : 방금 임의의 설문 조사를 실시했습니다. 음, 딸에게 물었지만 상당히 임의의 시간에 – 최소한의 직선에 대한 그녀의 선택은 “d”였습니다. 설문에 응한 사람들 중 100 %가 “d”가 가장 홀수 인 것으로 생각했습니다.]

보다 공식적인 접근 방식은 Shapiro-Francia 테스트 (QQ- 플롯의 상관 관계를 기반으로 효과적으로 수행)를 수행하는 것이지만 (a) Shapiro Wilk 테스트만큼 강력하지는 않으며 (b) 공식 테스트는 어쨌든 당신이 이미 답을 알아야한다는 질문 (때때로)은 당신이 대답해야 할 질문 대신 (데이터가 얼마나 심각합니까?)

요청한대로 위의 코드를 표시하십시오. 멋진 것은 없습니다.

z = lm(dist~speed,cars)$residual
n = length(z)
xz = cbind(matrix(rnorm(12*n),nr=n),z,matrix(rnorm(12*n),nr=n))
colnames(xz) = c(letters[1:12],"Z",letters[13:24])

opar = par()
par(mfrow=c(5,5));
par(mar=c(0.5,0.5,0.5,0.5))
par(oma=c(1,1,1,1));

ytpos = (apply(xz,2,min)+3*apply(xz,2,max))/4
cn = colnames(xz)

for(i in 1:25) {
  qqnorm(xz[,i],axes=FALSE,ylab= colnames(xz)[i],xlab="",main="")
  qqline(xz[,i],col=2,lty=2)
  box("figure", col="darkgreen")
  text(-1.5,ytpos[i],cn[i])
}

par(opar)

x

(최소한 80 년대 중반부터 이런 식의 음모를 꾸미고 있습니다. 가정이 유지 될 때와 그렇지 않을 때 어떻게 행동하는지에 익숙하지 않은 경우 음모를 어떻게 해석 할 수 있습니까?)

더보기:

Buja, A., Cook, D. Hofmann, H., Lawrence, M. Lee, E.-K., Swayne, DF and Wickham, H. (2009) 탐색 적 데이터 분석 및 모델 진단을위한 통계적 추론 Phil. 트랜스 R. Soc. A 2009 367, 4361-4383 doi : 10.1098 / rsta.2009.0120

답변

load(url("http://www.openintro.org/stat/data/bdims.RData"))
fdims = subset(bdims, bdims$sex == 0)

qqnorm(fdims$wgt, col=adjustcolor("orange", 0.4), pch=19)
qqline(fdims$wgt)

qqnormsim = function(dat, dim=c(2,2)) {
  par(mfrow=dim)
  qqnorm(dat, col=adjustcolor("orange", 0.4),
         pch=19, cex=0.7, main="Normal QQ Plot (Data)")
  qqline(dat)
  for (i in 1:(prod(dim) - 1)) {
    simnorm = rnorm(n=length(dat), mean=mean(dat), sd=sd(dat))
    qqnorm(simnorm, col=adjustcolor("orange", 0.4),
           pch=19, cex=0.7,
           main="Normal QQ Plot (Sim)")
    qqline(simnorm)
  }
  par(mfrow=c(1, 1))
}
qqnormsim(fdims$wgt)