{"id":1069,"date":"2023-07-27T18:53:24","date_gmt":"2023-07-27T18:53:24","guid":{"rendered":"https:\/\/statorials.org\/nl\/python-multivariate-normaliteitstest\/"},"modified":"2023-07-27T18:53:24","modified_gmt":"2023-07-27T18:53:24","slug":"python-multivariate-normaliteitstest","status":"publish","type":"post","link":"https:\/\/statorials.org\/nl\/python-multivariate-normaliteitstest\/","title":{"rendered":"Hoe u multivariate normaliteitstests kunt uitvoeren in python"},"content":{"rendered":"

<\/p>\n

\n

Als we willen testen of een enkele variabele normaal verdeeld is of niet, kunnen we een<\/span>  <\/span> QQ-plot<\/a> om de verdeling te visualiseren of we kunnen een formele statistische test uitvoeren, zoals een<\/span> Anderson Darling-test<\/a> of een<\/span> Jarque-Bera-test<\/a> .<\/span><\/p>\n

Als we echter willen testen of meerdere<\/em> variabelen normaal verdeeld zijn als groep, moeten we een multivariate normaliteitstest<\/strong> uitvoeren.<\/span><\/p>\n

In deze tutorial wordt uitgelegd hoe u de Henze-Zirkler multivariate normaliteitstest uitvoert voor een bepaalde dataset in Python.<\/span><\/p>\n

Gerelateerd:<\/strong> Als we uitschieters in een multivariate context willen identificeren, kunnen we<\/span> Mahalanobis-afstand<\/a> gebruiken .<\/span><\/p>\n

Voorbeeld: Henze-Zirkler multivariate normaliteitstest in Python<\/strong><\/h3>\n

De Henze-Zirkler multivariate normaliteitstest<\/strong> bepaalt of een groep variabelen al dan niet een multivariate normale verdeling volgt. De nul- en alternatieve hypothesen van de test zijn als volgt:<\/span><\/p>\n

H 0<\/sub> (nul): De variabelen volgen een multivariate normale verdeling.<\/span><\/p>\n

H a<\/sub> (alternatief): De variabelen volgen geen<\/em> multivariate normale verdeling.<\/span><\/p>\n

Om deze test in Python uit te voeren, kunnen we de functie multivariate_normality()<\/a> uit de pingu\u00efnbibliotheek gebruiken.<\/span><\/p>\n

Eerst moeten we Penguin installeren:<\/span><\/p>\n

 pip install<\/span> penguin\n<\/strong><\/pre>\n
 Vervolgens kunnen we de functie multivariate_normality()<\/strong> importeren en deze gebruiken om een multivariate normaliteitstest uit te voeren voor een bepaalde dataset:<\/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
 De testresultaten zijn als volgt:<\/span><\/p>\n