Cara melakukan tes menggunakan R untuk melihat apakah data mengikuti distribusi normal

Saya memiliki kumpulan data dengan struktur berikut:

a word | number of occurrence of a word in a document | a document id 

Bagaimana saya bisa melakukan tes untuk distribusi normal di R? Mungkin ini pertanyaan yang mudah, tetapi saya seorang pemula.

Jika saya memahami pertanyaan Anda dengan benar, maka untuk menguji apakah kemunculan kata dalam satu set dokumen mengikuti distribusi Normal, Anda cukup menggunakan tes shapiro-Wilk dan beberapa qqplot. Sebagai contoh,

## Generate two data sets
## First Normal, second from a t-distribution
words1 = rnorm(100); words2 = rt(100, df=3)

## Have a look at the densities
plot(density(words1));plot(density(words2))

## Perform the test
shapiro.test(words1); shapiro.test(words2)

## Plot using a qqplot
qqnorm(words1);qqline(words1, col = 2)
qqnorm(words2);qqline(words2, col = 2)

Perintah qqplot memberi:

Anda dapat melihat bahwa kumpulan data kedua jelas tidak Normal oleh ekor yang berat ( Info Lebih Lanjut ).

Dalam uji normalitas Shapiro-Walk, nilai-p besar untuk set data pertama (> 0,9) tetapi sangat kecil untuk set data kedua (<0,01). Ini akan mengarahkan Anda untuk menolak hipotesis nol untuk yang kedua.

Dengan asumsi dataset Anda dipanggil wordsdan memiliki countskolom, Anda dapat memplot histogram untuk memiliki visualisasi distribusi:

hist(words$counts, 100, col="black")

di mana 100 adalah jumlah tempat sampah

Anda juga dapat melakukan plot QQ normal menggunakan

qqnorm(words$counts)

Terakhir, Anda juga dapat menggunakan tes Shapiro-Wilk untuk normalitas

shapiro.test(word$counts)

Meskipun, lihat diskusi ini: Pengujian Normalitas: 'Pada dasarnya tidak berguna?'

Tidak ada tes yang akan menunjukkan kepada Anda bahwa data Anda memiliki distribusi normal - itu hanya akan dapat menunjukkan kepada Anda ketika data cukup tidak konsisten dengan normal sehingga Anda akan menolak nol.

Tetapi jumlah tidak normal dalam hal apapun, mereka bilangan bulat positif - berapa probabilitas bahwa pengamatan dari distribusi normal akan mengambil nilai yang bukan bilangan bulat? (... itu kejadian probabilitas 1).

Mengapa Anda menguji normalitas dalam kasus ini? Jelas tidak benar.

[Dalam beberapa kasus mungkin tidak masalah bahwa Anda dapat memberi tahu data Anda sebenarnya tidak normal. Data nyata tidak pernah (atau hampir tidak pernah) akan benar-benar diambil dari distribusi normal.]

Jika Anda benar-benar perlu melakukan tes, tes Shapiro-Wilk ( ?shapiro.test) adalah tes umum normal yang baik, tes yang banyak digunakan.

Cara yang lebih formal untuk melihat normalitas adalah dengan menguji apakah kurtosis dan skewness berbeda secara signifikan dari nol.

Untuk melakukan ini, kita perlu:

kurtosis.test <- function (x) {
m4 <- sum((x-mean(x))^4)/length(x)
s4 <- var(x)^2
kurt <- (m4/s4) - 3
sek <- sqrt(24/length(x))
totest <- kurt/sek
pvalue <- pt(totest,(length(x)-1))
pvalue 
}

untuk kurtosis, dan:

skew.test <- function (x) {
m3 <- sum((x-mean(x))^3)/length(x)
s3 <- sqrt(var(x))^3
skew <- m3/s3
ses <- sqrt(6/length(x))
totest <- skew/ses
pt(totest,(length(x)-1))
pval <- pt(totest,(length(x)-1))
pval
}

untuk Skewness.

Kedua tes ini satu sisi, jadi Anda harus mengalikan nilai-p dengan 2 menjadi dua sisi. Jika nilai p Anda menjadi lebih besar dari satu, Anda harus menggunakan 1-kurtosis.test () alih-alih kurtosis.test.

Jika Anda memiliki pertanyaan lain, Anda dapat mengirim email kepada saya di [email protected]

Selain tes Shapiro-Wilk dari paket statistik, paket nortest (tersedia di CRAN) menyediakan tes normalitas lainnya.

Dengan menggunakan nortestpaket R, tes ini dapat dilakukan:

• Lakukan tes normalitas Anderson-Darling

  ad.test(data1)

• Lakukan tes Cramér-von Mises untuk normalitas

  cvm.test(data1)

• Lakukan uji chi-square Pearson untuk normalitas

  pearson.test(data1)

• Lakukan uji Shapiro-Francia untuk normalitas

  sf.test(data1)

Banyak tes lain dapat dilakukan dengan menggunakan normtestpaket. Lihat deskripsi di https://cran.r-project.org/web/packages/normtest/normtest.pdf