<\/p>\n
Quando vogliamo verificare se una singola variabile \u00e8 distribuita normalmente o meno, possiamo creare un grafico QQ<\/a> per visualizzare la distribuzione o eseguire un test statistico formale come un test di Anderson Darling<\/a> o un test di Jarque-Bera .<\/span><\/p>\n Tuttavia, quando vogliamo verificare se pi\u00f9<\/em> variabili sono normalmente distribuite come gruppo, dobbiamo eseguire un test di normalit\u00e0 multivariato<\/strong> .<\/span><\/p>\n Questo tutorial spiega come eseguire i seguenti test di normalit\u00e0 multivariata per un dato set di dati in R:<\/span><\/p>\n Correlati:<\/strong> se vogliamo identificare valori anomali in un contesto multivariato, possiamo utilizzare la distanza di Mahalanobis<\/a> .<\/span><\/p>\n Il test di Mardia<\/strong> determina se un gruppo di variabili segue o meno una distribuzione normale multivariata. Le ipotesi nulla e alternativa del test sono le seguenti:<\/span><\/p>\n H 0<\/sub> (null): le variabili seguono una distribuzione normale multivariata.<\/span><\/p>\n H a<\/sub> (alternativa): le variabili non seguono<\/em> una distribuzione normale multivariata.<\/span><\/p>\n Il codice seguente mostra come eseguire questo test in R utilizzando il pacchetto QuantPsyc<\/strong> :<\/span><\/p>\n La funzione mult.norm()<\/strong> verifica la normalit\u00e0 multivariata sia nell’asimmetria che nella curtosi del set di dati. Poich\u00e9 entrambi i valori p non sono inferiori a 0,05, non riusciamo a rifiutare l\u2019ipotesi nulla del test. Non abbiamo prove che le tre variabili nel nostro set di dati non seguano una distribuzione multivariata.<\/span><\/p>\n Un test<\/strong> energetico<\/strong> \u00e8 un altro test statistico che determina se un gruppo di variabili segue o meno una distribuzione normale multivariata. Le ipotesi nulla e alternativa del test sono le seguenti:<\/span><\/p>\n H 0<\/sub> (null): le variabili seguono una distribuzione normale multivariata.<\/span><\/p>\n H a<\/sub> (alternativa): le variabili non seguono<\/em> una distribuzione normale multivariata.<\/span><\/p>\n Il codice seguente mostra come eseguire questo test in R utilizzando il pacchetto energia<\/b> :<\/span><\/p>\n Il valore p del test \u00e8 0,31<\/strong> . Poich\u00e9 questo valore non \u00e8 inferiore a 0,05, non riusciamo a rifiutare l’ipotesi nulla del test. Non abbiamo prove che le tre variabili nel nostro set di dati non seguano una distribuzione multivariata.<\/span><\/p>\n Nota:<\/strong> l’argomento R=100 specifica 100 repliche con boost mapping da utilizzare durante l’esecuzione del test. Per i set di dati con dimensioni del campione pi\u00f9 piccole, \u00e8 possibile aumentare questo numero per produrre una stima pi\u00f9 affidabile della statistica del test.<\/em><\/span><\/p>\n Come creare e interpretare un grafico QQ in R<\/a> Quando vogliamo verificare se una singola variabile \u00e8 distribuita normalmente o meno, possiamo creare un grafico QQ per visualizzare la distribuzione o eseguire un test statistico formale come un test di Anderson Darling o un test di Jarque-Bera . Tuttavia, quando vogliamo verificare se pi\u00f9 variabili sono normalmente distribuite come gruppo, dobbiamo eseguire un test […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
Esempio: il test di Mardia in R<\/strong><\/span><\/h3>\n
library<\/span> (QuantPsyc)\n\n#create dataset\nset.seed(0)\n\ndata <- data.frame(x1 = rnorm(50),\n x2 = rnorm(50),\n x3 = rnorm(50))<\/span>\n\n#perform Multivariate normality test\nmult.norm(data)$ mult.test\n\n<\/span><\/span><\/span>Beta-hat kappa p-val\nSkewness 1.630474 13.5872843 0.1926626\nKurtosis 13.895364 -0.7130395 0.4758213\n<\/strong><\/pre>\n Esempio: test energetico in R<\/strong><\/span><\/h3>\n
library<\/span> (energy)\n\n#create dataset\nset.seed(0)\n\ndata <- data.frame(x1 = rnorm(50),\n x2 = rnorm(50),\n x3 = rnorm(50))<\/span>\n\n#perform Multivariate normality test\nmvnorm.etest(data, R= 100<\/span> )\n\n<\/span><\/span>Energy test of multivariate normality: estimated parameters\n\ndata: x, sample size 50, dimension 3, replicates 100\nE-statistic = 0.90923, p-value = 0.31\n<\/strong><\/pre>\n Risorse addizionali<\/strong><\/span><\/h3>\n
Come eseguire un test di Anderson-Darling in R<\/a>
Come eseguire un test Jarque-Bera in R<\/a>
Come eseguire un test di Shapiro-Wilk in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"