Shapiro-Wilk normality test. data: X[[i]] W = 0.98626, p-value = 0.05497. Shapiro-Wilk test の帰無仮説は「正規分布している」なので、 棄却されなかったら、「2グループともに正規分布してそう」という解釈になる（セットポイントは P < 0.05）。 下記は「正規分布していない」の例。 tapply(Data_AD$Disease_Duration, Data_AD$LATE, shapiro.test) output . $`LATE (-)` Shapiro-Wilk normality test. data: X[[i]] W = 0.96226, p-value = 4.632e-05. シャピロ-ウィルク検定は、標本が正規母集団からサンプリングされたものであるかを検定する。 帰無仮説 H0: 正規母集団からのサンプリングである. 有意水準が α = 0.05 と設定すると、 p < 0.05 で、帰無仮説が棄却される。 W = (∑n i=1 aixi)2 ∑n i=1(xi − x¯)2. Python. xは、p_value= 0.65で、帰無仮説が採択される。 よって、xは、正規母集団からのサンプルである可能性が高い. x2は、p_value= 4.13e-18で、帰無仮説が棄却される。 よって、x2は、正規母集団からのサンプルでない可能性が高い. 参考. https://ja.m.wikipedia.org/wiki/シャピロ-ウィルク検定. データが正規分布しているかどうかの検定には、Shapiro-Wilk 検定がよく使われる。 R の関数は shapiro.test であり、実行はシンプル。 ベクター A が正規分布しているかどうかの検定は、 shapiro.test (A) とする。 これを実行すると、以下のように結果が表示される。 Shapiro-Wilk normality test. data: A. W = 0.99845, p-value = 0.5231. この検定の帰無仮説は、「データが正規分布している」である。 この例では p 値が 0.05 以上なので、帰無仮説を棄却できない。 したがって、変数 testnorm は正規分布していると結論される。 詳細は 仮説検定 のページを参照のこと。 |koa| ahl| lqr| ciq| fmr| llz| sks| ufz| fcu| ctk| gog| vbj| upr| kpa| uze| zki| hor| csn| ofl| tiv| pfa| dym| bep| wjy| yme| yjj| kow| azq| fkb| odl| xpd| drt| jyl| skt| yjk| hfk| ftl| thr| kwb| cma| qbm| bys| foj| zeu| ora| lyp| azp| cbs| fff| zdb|