«normality-assumption» 태그된 질문

자연에서 정규 분포의 중요성에 대해 많은 이야기가 있습니다. 키나 몸무게와 같은 많은 측정 값이 대략 정상 분포됩니다. 그러나 내가 이해하는 한, 그들 중 정확히 아무것도 정상이 아닙니다. 정규 분포가 최대 엔트로피 분포 중 하나라는 점을 고려하면 자연이 "좋아"해야한다는 것이 그럴듯 해 보입니다. 그러나 약간의 생각 후에 "정말"정규 랜덤 변수의 예를 …

9 normal-distribution  normality-assumption 

t- 검정의 경우 대부분의 텍스트에 따르면 모집단 데이터가 정규 분포되어 있다고 가정합니다. 왜 그런지 모르겠습니다. t- 검정은 표본 평균의 표본 분포가 모집단이 아닌 정규 분포를 요구할 뿐입니 까? t- 검정이 궁극적으로 샘플링 분포에서 정규성을 요구하는 경우에 모집단은 어떤 분포처럼 보일 수 있습니까? 합리적인 표본 크기가있는 한. 이것이 중심 제한 정리 …

9 hypothesis-testing  t-test  assumptions  normality-assumption  central-limit-theorem 

현재 Pearson 상관 관계에 대한 가정을 읽고 있습니다. 이어지는 t- 검정에 대한 중요한 가정은 두 변수가 정규 분포에서 나온 것 같습니다. 그렇지 않은 경우 Spearman Rho와 같은 대체 수단을 사용하는 것이 좋습니다. Spearman 상관 관계는 Pearson 상관 관계처럼 계산되며 X 및 Y 대신 X 및 Y 순위 만 사용합니다. 맞습니까? …

9 correlation  normality-assumption  spearman-rho  ranks 

R에서 다른 표본 크기에 대한 정규성 검정의 정확성을 평가하고 싶습니다 (정상 성 테스트가 오도 할 수 있음을 알고 있습니다 ). 예를 들어 Shapiro-Wilk 테스트를 살펴보기 위해 다음과 같은 시뮬레이션을 수행하고 결과를 플로팅하고 샘플 크기가 증가함에 따라 null 감소를 거부 할 확률이 예상됩니다. n <- 1000 pvalue_mat <- matrix(NA, ncol = …

9 r  simulation  power-analysis  normality-assumption 

그래서, 나는 16 개의 시험을 가지고 있는데, 여기에서 Hamming Distance를 사용하여 생체 특성으로부터 사람을 인증하려고합니다. 임계 값이 3.5로 설정되었습니다. 내 데이터는 다음과 같으며 1 번 시험 만 참 긍정입니다. Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 5 0.55 6 0.47 7 0.47 8 0.32 9 0.39 …

9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 

자연에서 발생하는 많은 양이 정상적으로 분포된다고 들었습니다. 이것은 일반적으로 중앙 한계 정리를 사용하여 정당화됩니다. 즉, 많은 수의 iid 랜덤 변수를 평균화하면 정규 분포를 얻습니다. 따라서, 예를 들어, 다수의 유전자의 부가 효과에 의해 결정되는 형질은 유전자 값이 대략 iid 랜덤 변수와 유사하게 행동 할 수 있기 때문에 대략 정규 분포 될 …

9 data-transformation  normality-assumption