<\/p>\n
De Shapiro-Wilk-test<\/strong> is een test van normaliteit. Het wordt gebruikt om te bepalen of een steekproef wel of niet uit eennormale verdeling<\/a> komt.<\/span><\/p>\n Om een Shapiro-Wilk-test in Python uit te voeren, kunnen we de functie scipy.stats.shapiro()<\/a> gebruiken, die de volgende syntaxis gebruikt:<\/span><\/p>\n scipy.stats.shapiro(x)<\/strong><\/span><\/p>\n Goud:<\/span><\/p>\n Deze functie retourneert een teststatistiek en een bijbehorende p-waarde.<\/span><\/p>\n Als de p-waarde onder een bepaald significantieniveau ligt, hebben we voldoende bewijs om te zeggen dat de steekproefgegevens niet uit een normale verdeling komen.<\/span><\/p>\n Deze tutorial toont enkele voorbeelden van hoe u deze functie in de praktijk kunt gebruiken.<\/span><\/p>\n Stel dat we de volgende voorbeeldgegevens hebben:<\/span><\/p>\n De volgende code laat zien hoe je een Shapiro-Wilk-test uitvoert op dit voorbeeld van 100 gegevenswaarden om te bepalen of ze uit een normale verdeling komen:<\/span><\/p>\n Uit het resultaat kunnen we zien dat de teststatistiek 0,9927<\/strong> is en de overeenkomstige p-waarde 0,8689<\/strong> .<\/span><\/p>\n Omdat de p-waarde niet kleiner is dan 0,05, slagen we er niet in de nulhypothese te verwerpen. We hebben niet voldoende bewijs om te zeggen dat de steekproefgegevens niet uit een normale verdeling komen.<\/span><\/p>\n Dit resultaat zou niet verrassend moeten zijn, aangezien we de voorbeeldgegevens hebben gegenereerd met behulp van de functie randn()<\/strong> , die willekeurige waarden genereert die een standaard normale verdeling volgen.<\/span><\/p>\n Stel nu dat we de volgende voorbeeldgegevens hebben:<\/span><\/p>\n De volgende code laat zien hoe je een Shapiro-Wilk-test uitvoert op dit voorbeeld van 100 gegevenswaarden om te bepalen of ze uit een normale verdeling komen:<\/span><\/p>\n Uit het resultaat kunnen we zien dat de teststatistiek 0,9582<\/strong> is en de overeenkomstige p-waarde 0,00299<\/strong> .<\/span><\/p>\n Omdat de p-waarde kleiner is dan 0,05, verwerpen we de nulhypothese. We hebben voldoende bewijs om te zeggen dat de steekproefgegevens niet uit een normale verdeling komen.<\/span><\/p>\n Dit resultaat zou ook niet verrassend moeten zijn, aangezien we de voorbeeldgegevens hebben gegenereerd met behulp van de Poisson()-<\/strong> functie, die willekeurige waarden genereert die een Poisson-verdeling<\/a> volgen.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere normaliteitstests kunt uitvoeren in verschillende statistische software:<\/span><\/p>\n Hoe een Shapiro-Wilk-test uit te voeren in R<\/a> De Shapiro-Wilk-test is een test van normaliteit. Het wordt gebruikt om te bepalen of een steekproef wel of niet uit eennormale verdeling komt. Om een Shapiro-Wilk-test in Python uit te voeren, kunnen we de functie scipy.stats.shapiro() gebruiken, die de volgende syntaxis gebruikt: scipy.stats.shapiro(x) Goud: x: een tabel met voorbeeldgegevens. Deze functie retourneert een teststatistiek en […]<\/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":[],"class_list":["post-986","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n\n
Voorbeeld 1: Shapiro-Wilk-test op normaal verdeelde gegevens<\/strong><\/span><\/h3>\n
from<\/span> numpy.random import<\/span> seed\nfrom<\/span> numpy.random import<\/span> randn\n\n#set seed (eg make this example reproducible)<\/span>\nseed(0)\n\n#generate dataset of 100 random values that follow a standard normal distribution\n<\/span>data = randn(100)<\/strong><\/pre>\n from<\/span> scipy.stats import<\/span> shapiro\n\n#perform Shapiro-Wilk test<\/span>\nshapiro(data)\n\nShapiroResult(statistic=0.9926937818527222, pvalue=0.8689165711402893)\n<\/strong><\/pre>\n Voorbeeld 2: Shapiro-Wilk-test op niet-normaal verdeelde gegevens<\/strong><\/span><\/h3>\n
from<\/span> numpy.random import<\/span> seed\nfrom<\/span> numpy.random import<\/span> fish\n\n#set seed (eg make this example reproducible)<\/span>\nseed(0)\n\n#generate dataset of 100 values that follows a Poisson distribution with mean=5\n<\/span>data = fish(5, 100)<\/strong><\/pre>\n from<\/span> scipy.stats import<\/span> shapiro\n\n#perform Shapiro-Wilk test<\/span>\nshapiro(data)\n\nShapiroResult(statistic=0.9581913948059082, pvalue=0.002994443289935589)\n<\/strong><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h3>\n
Hoe u een Anderson-Darling-test uitvoert in Python<\/a>
Hoe u een Kolmogorov-Smirnov-test uitvoert in Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"