R中存在哪些标准化方法?
我正在处理非正态分布的数据。我应用了常用的方法:对数法和平方根法来转换数据,然后用ARIMA模型进行处理,以便进行预测 我尝试的是:R中存在哪些标准化方法?,r,statistics,normalization,R,Statistics,Normalization,我正在处理非正态分布的数据。我应用了常用的方法:对数法和平方根法来转换数据,然后用ARIMA模型进行处理,以便进行预测 我尝试的是: set.seed(123) y<-rexp(200) yl<-log(y+1) shapiro.test(yl) trans<-(y-mean(y))/sd(y) shapiro.test(trans) set.seed(123) y您可以尝试使用BoxCox.lambda函数处理的预测包 BoxCox变换。缩放/重新缩放是自动完成的。例如
set.seed(123)
y<-rexp(200)
yl<-log(y+1)
shapiro.test(yl)
trans<-(y-mean(y))/sd(y)
shapiro.test(trans)
set.seed(123)
y您可以尝试使用BoxCox.lambda函数处理的预测包
BoxCox变换。缩放/重新缩放是自动完成的。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))
require(预测)
这个答案很有趣:谢谢,但是这个答案和正常性测试有关。我可以应用Jarque Bera检验,结果仍然保持一致。是的,关键在于正态性检验及其假设的有效性。也就是说,你正在测试一个“良好”的正态化,测试的假设是否定正态性假设。除了@Arun的评论非常相关外,你应该测试模型的残差,而不是原始数据。您当前正在实现一个将产生统计垃圾的过程。