{"id":1068,"date":"2023-07-27T18:53:24","date_gmt":"2023-07-27T18:53:24","guid":{"rendered":"https:\/\/statorials.org\/pt\/teste-de-normalidade-multivariada-python\/"},"modified":"2023-07-27T18:53:24","modified_gmt":"2023-07-27T18:53:24","slug":"teste-de-normalidade-multivariada-python","status":"publish","type":"post","link":"https:\/\/statorials.org\/pt\/teste-de-normalidade-multivariada-python\/","title":{"rendered":"Como realizar testes de normalidade multivariada em python"},"content":{"rendered":"

<\/p>\n

\n

Quando queremos testar se uma \u00fanica vari\u00e1vel \u00e9 normalmente distribu\u00edda ou n\u00e3o, podemos criar um<\/span>  <\/span> Gr\u00e1fico QQ<\/a> para visualizar a distribui\u00e7\u00e3o ou podemos realizar um teste estat\u00edstico formal como um<\/span> teste de Anderson Darling<\/a> ou um<\/span> 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 o teste de normalidade multivariada Henze-Zirkler para um determinado conjunto de dados em Python.<\/span><\/p>\n

Relacionado:<\/strong> Se quisermos identificar valores discrepantes em um contexto multivariado, podemos usar<\/span> a dist\u00e2ncia de Mahalanobis<\/a> .<\/span><\/p>\n

Exemplo: teste de normalidade multivariada Henze-Zirkler em Python<\/strong><\/h3>\n

O teste de normalidade multivariada de Henze-Zirkler<\/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

Para realizar este teste em Python podemos usar a fun\u00e7\u00e3o multivariate_normality()<\/a> da biblioteca penguin.<\/span><\/p>\n

Primeiro, precisamos instalar o pinguim:<\/span><\/p>\n

 pip install<\/span> penguin\n<\/strong><\/pre>\n
 A seguir, podemos importar a fun\u00e7\u00e3o multivariate_normality()<\/strong> e us\u00e1-la para realizar um teste de normalidade multivariada para um determinado conjunto de dados:<\/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
 Os resultados do teste s\u00e3o os seguintes:<\/span><\/p>\n