R中存在哪些規範化方法？

-1

我正在處理非正態分佈的數據。我已經應用了常用方法：日誌和平方根，以便轉換數據，然後使用ARIMA模型對其進行處理，以便進行預測。R中存在哪些規範化方法？

我曾嘗試是：

set.seed(123) 
y<-rexp(200) 

yl<-log(y+1) 
shapiro.test(yl) 

trans<-(y-mean(y))/sd(y) 
shapiro.test(trans)

此方法未能正常的測試，我想問一下，如果有另一個選項R.

來源

2013-04-01 Michelle

這個答案是一個有趣的閱讀：http://stackoverflow.com/questions/7781798/seeing-if-data-is-normally-distributed-in-r/7788452#7788452 – Arun

謝謝，但閱讀與正常測試有關。我可以應用Jarque Bera測試，結果仍然具有相同的一致性。 – Michelle

是的，重點在於正態性檢驗及其假設的有效性。也就是說，你正在測試一個基於測試的「良好」規範化，該測試的假設是關於拒絕正態性的假設。 – Arun

您將數據轉化爲正常數據可以試用預測包，具有BoxCox.Lambda函數來處理 BoxCox轉換。比例/重新比例是自動完成的。例如：

require(forecast) 
y <- ts(rnorm(120,0,3) + 20*sin(2*pi*(1:120)/12), frequency=12) + runif(120) 
lambda <- BoxCox.lambda(y) # should check if the transformation is necessary 
model <- auto.arima(y, lambda = lambda) 
plot(forecast(model))

來源

2013-04-01 18:46:12 Fernando

R中存在哪些規範化方法？

回答

相關問題