數據的正態分布驗證和方差齊性檢驗

在對數據進行統計分析之前，應該先查看數據的特征，然后根據其特征選擇分析方法。

很多統計假設方法要求數據是符合正態分布的和方差齊性。

1.數據的正態分布驗證：

• 夏皮羅-威爾克（Shapiro-Wilk）檢驗法，適用於3 < 樣本數< 5000 時的正態性檢驗。

> data2
 [1] 10  7 20 14 14 12 10 23 17 20 14 13
> a=shapiro.test(data2)
> a

    Shapiro-Wilk normality test

data:  data2
W = 0.95757, p-value = 0.7487
##p值表示這個數據群是正態分布的概率

2.方差齊性檢驗

Bartlett檢驗 - 如果我們的數據服從正態分布，那么這種方法將是最為適用的。對於正態分布的數據，這種檢驗極為靈敏；而當數據為非正態分布時，使用該方法則很容易導致假陽性誤判。

> data
   count spray
1     10     A
2      7     A
3     20     A
4     14     A
5     14     A
6     12     A
7     10     A
8     23     A
9     17     A
10    20     A
11    14     A
12    13     A
13    11     B
14    17     B
15    21     B
16    11     B
17    16     B
18    14     B
19    17     B
20    17     B
21    19     B
22    21     B
23     7     B
24    13     B
> bartlett.test(count~spray,data=data)

	Bartlett test of homogeneity of variances

data:  count by spray
Bartlett's K-squared = 0.10464, df = 1, p-value = 0.7463
##p值是條件A和條件B的方差齊性的概率