在 R 中重复 1000 次的正态性检验：Shapiro Wilk、Jarque Bera、Lilliefors答案

【问题标题】：Normality tests repeating 1000 times in R: Shapiro Wilk, Jarque Bera, Lilliefors在 R 中重复 1000 次的正态性检验：Shapiro Wilk、Jarque Bera、Lilliefors
【发布时间】：2020-03-14 09:07:01
【问题描述】：

学生和专业人士，

我目前正在尝试为随机样本大小 (T=10,30,50,100,500) 编写正态性检验。

我用于正态性检验的函数如下：

sim1 <- rnorm(10)

sw10 <- shapiro.test(sim1)

这适用于每个样本大小

这会生成一个包含测试信息的列表，必须以 90%、95% 和 99% 的置信度来解释这些信息。

我面临的问题是我需要重复这个过程 1000 次。但是在这种情况下使用相同的样本 sim1 并没有帮助，同时计算相同的 p 值。

那么我应该使用以下内容吗？

rsw10 <- replicate(shapiro.test(rnorm(10))

另外我必须计算相对拒绝频率，我如何提取这些信息？

最好的问候

【问题讨论】：

其他函数：JarqueBeraTest(rnorm(10)，robust = FALSE)，JarqueBeraTest(rnorm(10)，robust = FALSE，method ="mc"，N = 1000)，LillieTest(rnorm(10 ))

标签： r random normal-distribution montecarlo

【解决方案1】：

如果我猜对了，它类似于，首先是代表次数，然后是函数：

sim = replicate(1000,shapiro.test(rnorm(10)))

假设 alpha 为 0.05，拒绝结果如下：

table(sim["p.value",]<0.05)

FALSE  TRUE 
  961    39

【讨论】：

@Student ua，如果能解决问题，请点赞和tick 答案？
欢迎您@StudentUantwerpen 来自安特卫普的大声笑？很不错的城市