测试具有许多站点的数据集中的正态性[关闭]

Posted 2023-04-19

【中文标题】测试具有许多站点的数据集中的正态性[关闭]

【英文标题】：Testing for Normality in data set with many sites [closed]

【发布时间】：2013-07-09 11:33:22

【问题描述】：

我是 R 的新手，我正在尝试用它来评估来自大约 1900 个单独站点的水质数据的正常性（或其他情况）。每个站点都有一个唯一的Sitecode，其中包含 3 年内样本的结果Meas_res。数据保存在按Sitecode / Sample Date 顺序排序的.csv 文件中。我想运行 Andersen Darling 测试（以及来自 nortest 包的其他类似评估）以获得以下一般形式的输出：

Sitecode，广告测试输出写回 .csv 文件格式

谁能给我一组代码来运行测试或指导如何准备？

【问题讨论】：

请提供reproducible example。

代码将是read.csv、ad.test 和write.csv 的组合。如果您提供可重现的示例，将获得更多帮助。

这应该被移到 StackExchange。

Seeing if data is normally distributed in R的可能重复

【参考方案1】：

如果没有说明您为什么要运行测试的理由，或者没有解释您认为它会区分某些网站的原因，那么大约 100 个会偶然出现非正常情况。如果您想检查水质数据是否正常，那么最好一次检查所有数据。方法因站点而异，因此您可以检查以因子 Sitecode 作为预测变量的线性模型的残差。

library(nortest)
dat <- read.csv( 'myDataFileName.csv' )
m <- lm( Mean_res ~ Sitecode, data = dat)
res <- resid(m)
ad.test(res)

现在，您可以在 res 上进行 Anderson Darling 测试。

但只是为了好玩，请尝试从已知正态分布中对许多样本生成一些 AD 测试，并查看 qqnorm 图以了解它们的样子。

y <- rnorm( nrow(dat) )
ad.test(y)
qqnorm(y); qqline(y)

你会发现有这么多分数的是，你仍然会偶尔通过 AD 测试，但数据看起来仍然非常正常。所以答案可能不是 AD 测试。最好只查看残差图并评估那里的正态性。

回到我的第一条评论，正态性检验只告诉您是否可以检测到与正态性的偏差。它也与 t 检验一样，在非常高的 N 时非常敏感，并以 alpha 率给出错误警报。它不会告诉您数据是否正常。因此，“通过”测试不会让您证明数据正常。鉴于它们是针对正常性的测试，它们将向您展示哪些站点不正常（有许多误报）。如果没有理由相信某些网站不正常，您计划的测试可能不是您想要做的。