{"id":1067,"date":"2023-07-27T18:53:24","date_gmt":"2023-07-27T18:53:24","guid":{"rendered":"https:\/\/statorials.org\/de\/multivariater-python-normalitatstest\/"},"modified":"2023-07-27T18:53:24","modified_gmt":"2023-07-27T18:53:24","slug":"multivariater-python-normalitatstest","status":"publish","type":"post","link":"https:\/\/statorials.org\/de\/multivariater-python-normalitatstest\/","title":{"rendered":"So f\u00fchren sie multivariate normalit\u00e4tstests in python durch"},"content":{"rendered":"

<\/p>\n

\n

Wenn wir testen m\u00f6chten, ob eine einzelne Variable normalverteilt ist oder nicht, k\u00f6nnen wir eine erstellen<\/span>  <\/span> QQ-Diagramm<\/a> zur Visualisierung der Verteilung oder wir k\u00f6nnen einen formalen statistischen Test wie einen<\/span> Anderson-Darling-Test<\/a> oder einen<\/span> Jarque-Bera-Test<\/a> durchf\u00fchren .<\/span><\/p>\n

Wenn wir jedoch testen m\u00f6chten, ob mehrere<\/em> Variablen als Gruppe normalverteilt sind, m\u00fcssen wir einen multivariaten Normalit\u00e4tstest<\/strong> durchf\u00fchren.<\/span><\/p>\n

In diesem Tutorial wird erl\u00e4utert, wie Sie den multivariaten Henze-Zirkler-Normalit\u00e4tstest f\u00fcr einen bestimmten Datensatz in Python durchf\u00fchren.<\/span><\/p>\n

Verwandt:<\/strong> Wenn wir Ausrei\u00dfer in einem multivariaten Kontext identifizieren m\u00f6chten, k\u00f6nnen wir<\/span> die Mahalanobis-Distanz<\/a> verwenden .<\/span><\/p>\n

Beispiel: Multivariater Henze-Zirkler-Normalit\u00e4tstest in Python<\/strong><\/h3>\n

Der multivariate Normalverteilungstest von Henze-Zirkler<\/strong> bestimmt, ob eine Gruppe von Variablen einer multivariaten Normalverteilung folgt oder nicht. Die Null- und Alternativhypothese des Tests lauten wie folgt:<\/span><\/p>\n

H 0<\/sub> (null): Die Variablen folgen einer multivariaten Normalverteilung.<\/span><\/p>\n

H a<\/sub> (alternativ): Die Variablen folgen keiner<\/em> multivariaten Normalverteilung.<\/span><\/p>\n

Um diesen Test in Python durchzuf\u00fchren, k\u00f6nnen wir die Funktion multivariate_normality()<\/a> aus der Penguin-Bibliothek verwenden.<\/span><\/p>\n

Zuerst m\u00fcssen wir Penguin installieren:<\/span><\/p>\n

 pip install<\/span> penguin\n<\/strong><\/pre>\n
 Als n\u00e4chstes k\u00f6nnen wir die Funktion multivariate_normality()<\/strong> importieren und damit einen multivariaten Normalit\u00e4tstest f\u00fcr einen bestimmten Datensatz durchf\u00fchren:<\/span><\/p>\n
 #import necessary packages<\/span>\nfrom<\/span> penguin import<\/span> multivariate_normality\nimport<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\n\n#create a dataset with three variables x1, x2, and x3\ndf = pd.DataFrame({'x1':np.random.normal(size= 50<\/span> ),\n                   'x2': np.random.normal(size= 50<\/span> ),\n                   'x3': np.random.normal(size= 50<\/span> )})<\/span>\n\n#perform the Henze-Zirkler Multivariate Normality Test<\/span>\nmultivariate_normality(df, alpha= .05<\/span> )\n\nHZResults(hz=0.5956866563391165, pval=0.6461804077893423, normal=True)<\/strong><\/pre>\n
 Die Testergebnisse lauten wie folgt:<\/span><\/p>\n