📈 𝑻𝒆𝒔𝒕 𝒅𝒆 𝒏𝒐𝒓𝒎𝒂𝒍𝒊𝒕𝒆́ 𝒅𝒂𝒏𝒔 𝑹 📉
Pour vérifier si vos données suivent une distribution normale, vous pouvez utiliser à la fois des tests statistiques et des méthodes graphiques. Voici les méthodes les plus utilisées et les plus fiables, expliquées étape par étape. 1️⃣ 𝑻𝒆𝒔𝒕 𝒅𝒆 𝑺𝒉𝒂𝒑𝒊𝒓𝒐-𝑾𝒊𝒍𝒌 (le plus utilisé) 👉 Idéal pour les petits et moyens échantillons (n < 5000). Syntaxe : shapiro.test(vos_donnees) Exemple : data <- c(160, 162, 165, 170, 168, 164, 163) shapiro.test(data) Interprétation : p > 0.05 → Les données suivent une distribution normale p ≤ 0.05 → Les données ne sont PAS normales 2️⃣ 𝑻𝒆𝒔𝒕 𝒅𝒆 𝑲𝒐𝒍𝒎𝒐𝒈𝒐𝒓𝒐𝒗-𝑺𝒎𝒊𝒓𝒏𝒐𝒗 (KS) 👉 Utilisé pour les grands échantillons, mais moins puissant pour tester la normalité. Syntaxe : ks.test(vos_donnees, "pnorm", mean(vos_donnees), sd(vos_donnees)) Exemple : ks.test(data, "pnorm", mean(data), sd(data)) 3️⃣ 𝑻𝒆𝒔𝒕 𝒅’𝑨𝒏𝒅𝒆𝒓𝒔𝒐𝒏-𝑫𝒂𝒓𝒍𝒊𝒏𝒈 (très puissant) 👉 Plus sensible que le KS, particulièremen...
.png)