3

在执行广义线性回归之前,我在 MATLAB 中使用 Kolmogorov-Smirnov 测试来确定数据矩阵的每一列的正态性。一个示例数据向量是:

data = [8126,3163,9129,5399,8682,1126,1053,7805,2989,2758,3277,1152,6994,6833];

测试运行并给我一个结果。但是,当我绘制经验累积分布函数 (cdf)(蓝色)和标准正态 cdf(红色)以进行视觉比较时,这种数据向量的比例使得该图没有用处:

示例 CDF

用于绘制此图的代码是:

[h,p,ksstat,cv] = kstest(data);
[f,x_values] = ecdf(data);
figure()
F = plot(x_values,f);
set(F,'LineWidth',2);
hold on
G = plot(x_values,normcdf(x_values,0,1),'r-');
set(G,'LineWidth',2);
legend([F G],...
    'Empirical CDF','Standard Normal CDF',...
    'Location','SE');

这是否意味着我的测试结果无效?如果是,我可以标准化数据吗?

dataN=(data-min(data))./(max(data)-min(data)); 

同时保持测试有效性?

感谢您的时间,

劳拉

4

1 回答 1

3

感谢 Luis Mendo,我解决了这个问题。normcdf需要数据向量的均值和标准差作为输入,这与我正在使用的示例代码没有改变。编辑后的代码是:

[h,p,ksstat,cv] = kstest(data);
[f,x_values] = ecdf(data);
figure()
F = plot(x_values,f);
set(F,'LineWidth',2);
hold on
variableMean = mean(data);
variableSD = std(data);
G = plot(x_values,normcdf(x_values,variableMean,variableSD),'r-');
set(G,'LineWidth',2);
legend([F G],...
    'Empirical CDF','Standard Normal CDF',...
    'Location','SE');
于 2017-06-06T11:56:22.650 回答