<\/p>\n
Quando queremos testar se uma \u00fanica vari\u00e1vel \u00e9 normalmente distribu\u00edda ou n\u00e3o, podemos criar um gr\u00e1fico QQ<\/a> para visualizar a distribui\u00e7\u00e3o ou realizar um teste estat\u00edstico formal como um teste de Anderson Darling<\/a> ou um teste de Jarque-Bera<\/a> .<\/span><\/p>\n No entanto, quando queremos testar se m\u00faltiplas<\/em> vari\u00e1veis s\u00e3o normalmente distribu\u00eddas como um grupo, precisamos realizar um teste de normalidade multivariada<\/strong> .<\/span><\/p>\n Este tutorial explica como realizar os seguintes testes de normalidade multivariada para um determinado conjunto de dados em R:<\/span><\/p>\n Relacionado:<\/strong> Se quisermos identificar valores discrepantes em um contexto multivariado, podemos usar a dist\u00e2ncia de Mahalanobis<\/a> .<\/span><\/p>\n O teste de Mardia<\/strong> determina se um grupo de vari\u00e1veis segue ou n\u00e3o uma distribui\u00e7\u00e3o normal multivariada. As hip\u00f3teses nula e alternativa do teste s\u00e3o as seguintes:<\/span><\/p>\n H 0<\/sub> (nulo): As vari\u00e1veis seguem uma distribui\u00e7\u00e3o normal multivariada.<\/span><\/p>\n Ha<\/sub> (alternativa): As vari\u00e1veis n\u00e3o seguem<\/em> distribui\u00e7\u00e3o normal multivariada.<\/span><\/p>\n O c\u00f3digo a seguir mostra como realizar este teste em R usando o pacote QuantPsyc<\/strong> :<\/span><\/p>\n A fun\u00e7\u00e3o mult.norm()<\/strong> testa a normalidade multivariada tanto na assimetria quanto na curtose do conjunto de dados. Como ambos os valores de p n\u00e3o s\u00e3o inferiores a 0,05, n\u00e3o conseguimos rejeitar a hip\u00f3tese nula do teste. N\u00e3o temos evid\u00eancias de que as tr\u00eas vari\u00e1veis do nosso conjunto de dados n\u00e3o sigam uma distribui\u00e7\u00e3o multivariada.<\/span><\/p>\n Um teste<\/strong> de energia<\/strong> \u00e9 outro teste estat\u00edstico que determina se um grupo de vari\u00e1veis segue ou n\u00e3o uma distribui\u00e7\u00e3o normal multivariada. As hip\u00f3teses nula e alternativa do teste s\u00e3o as seguintes:<\/span><\/p>\n H 0<\/sub> (nulo): As vari\u00e1veis seguem uma distribui\u00e7\u00e3o normal multivariada.<\/span><\/p>\n Ha<\/sub> (alternativa): As vari\u00e1veis n\u00e3o seguem<\/em> distribui\u00e7\u00e3o normal multivariada.<\/span><\/p>\n O c\u00f3digo a seguir mostra como realizar esse teste em R usando o pacote de energia<\/b> :<\/span><\/p>\n O valor p do teste \u00e9 0,31<\/strong> . Como este valor n\u00e3o \u00e9 inferior a 0,05, n\u00e3o rejeitamos a hip\u00f3tese nula do teste. N\u00e3o temos evid\u00eancias de que as tr\u00eas vari\u00e1veis do nosso conjunto de dados n\u00e3o sigam uma distribui\u00e7\u00e3o multivariada.<\/span><\/p>\n Nota:<\/strong> O argumento R=100 especifica 100 r\u00e9plicas mapeadas por boost a serem usadas ao executar o teste. Para conjuntos de dados com tamanhos amostrais menores, voc\u00ea pode aumentar esse n\u00famero para produzir uma estimativa mais confi\u00e1vel da estat\u00edstica de teste.<\/em><\/span><\/p>\n Como criar e interpretar um gr\u00e1fico QQ em R<\/a> Quando queremos testar se uma \u00fanica vari\u00e1vel \u00e9 normalmente distribu\u00edda ou n\u00e3o, podemos criar um gr\u00e1fico QQ para visualizar a distribui\u00e7\u00e3o ou realizar um teste estat\u00edstico formal como um teste de Anderson Darling ou um teste de Jarque-Bera . No entanto, quando queremos testar se m\u00faltiplas vari\u00e1veis s\u00e3o normalmente distribu\u00eddas como um grupo, precisamos realizar […]<\/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-1067","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n\n
Exemplo: teste de Mardia em 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 Exemplo: teste de energia em 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 Recursos adicionais<\/strong><\/span><\/h3>\n
Como realizar um teste de Anderson-Darling em R<\/a>
Como realizar um teste Jarque-Bera em R<\/a>
Como realizar um teste de Shapiro-Wilk em R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"