mes variables sont elles normales?

Bonjour à tous!

Je bosse actuellement sur un examen de biostatistiques et je n'arrive pas à décider si je peux considerer que mes variables sont normales.
J'ai 5 variables continues.

Pour chacune d'elle j'ai contrôlé si oui ou non j'avais des outliers (box plot), j'ai observé la distribution sur un histogramme, et j'ai comparé les médianes, les moyenne et les modes.

Ensuite, j'ai appliqué un shapiro wilk à chacune.

J'ai aussi calculé les rapport skewness/ecart-type et Kurtosis/écart-type selon un article trouvé sur le net, je ne sais pas trop ce que ca vaut. D'après l'article si la valeur absolue de ces ratio est inférieure à 2 ça parle pour une distribution normale.

J'ai enfin fait des qnorm (droite de Henry), certaines de mes variables sont quasi superposées, d'autres moins, mais où est la limite?

Mon problème est que j'ai pour chacune des variables des résultats qui parlent pour et contre une distribution normale.

Quels sont les arguments les plus forts? Est ce que je fais fausse route?
Est ce qu'avec un effectif de cent patients je devrait considerer que l'hypothèse de normalité est quasi acquise?

La question suivante est de savoir si oui ou non je décide transformer certaines des variables et toute l'analyse stat qui suit en dépend, je dois vraiment faire le bon choix et je manque d'expérience..

Auriez vous quelques conseils à me donner?

Bonjour, pour tester la normalité des données, je crois que le plus fiable est de faire un test de Kolgomorov si tu ne l'as pas déjà fait... Bon courage

yumeko a écrit:Bonjour à tous!

Je bosse actuellement sur un examen de biostatistiques et je n'arrive pas à décider si je peux considerer que mes variables sont normales.
J'ai 5 variables continues.

Pour chacune d'elle j'ai contrôlé si oui ou non j'avais des outliers (box plot), j'ai observé la distribution sur un histogramme, et j'ai comparé les médianes, les moyenne et les modes.

Ne fait tu as fais pas mal de truc assez redondant. Le boxplot c'est bien mais ce n'est pas ce qui te diras si tes données sont normales ou non car si N est grand alors tu peux très bien observer des outliers et considérer ta distribution comme normale. Je pense que l'histogramme est plus adapté car au moins tu pourras voir si ta distribution est uni ou pluri-modale. Une fois que tu as fait tes histos comparer la moyenne et la médiane c'est pas mal parce que dans le cas d'une loi normale tu t'attends à ce que les deux soient très proches.

yumeko a écrit:Ensuite, j'ai appliqué un shapiro wilk à chacune.

Oui c'est un test parmis tant d'autre, ex: Anderson–Darling normality test, Cramer–von Mises normality test, Lilliefors (Kolmogorov-Smirnov) normality test, Pearson chi–square normality test, Shapiro–Francia normality test. A priori le test le plus conservateur (qui rejette le moins l'hypothèse de normalité est Kolmogorov).

yumeko a écrit:J'ai aussi calculé les rapport skewness/ecart-type et Kurtosis/écart-type selon un article trouvé sur le net, je ne sais pas trop ce que ca vaut. D'après l'article si la valeur absolue de ces ratio est inférieure à 2 ça parle pour une distribution normale.

Je ne pense pas que tout ça soit très nécessaire.

yumeko a écrit:J'ai enfin fait des qnorm (droite de Henry), certaines de mes variables sont quasi superposées, d'autres moins, mais où est la limite?

Il n'y en a pas, c'est une représentation graphique donc son interprétation est subjective. Néanmois si ton objectif est de savoir si tu peux ou non faire de la régression multiple avec ces variables, je pense que pas mal de monde ce contenterait de ces représentations. Si la plupart de tes variables sont sur la droite, et que seules les valeurs extêmes en queue de distribution s'en écarte alors on dira ok c'est normal. Ce qu'il faut c'est que ce graph ne te renvoie pas une courbe "atypique" du genre
ou la clairement ça ne va pas.

yumeko a écrit:Mon problème est que j'ai pour chacune des variables des résultats qui parlent pour et contre une distribution normale.

Quels sont les arguments les plus forts? Est ce que je fais fausse route?
Est ce qu'avec un effectif de cent patients je devrait considérer que l'hypothèse de normalité est quasi acquise?

La question suivante est de savoir si oui ou non je décide transformer certaines des variables et toute l'analyse stat qui suit en dépend, je dois vraiment faire le bon choix et je manque d'expérience..

Auriez vous quelques conseils à me donner?

A la limite poste tes courbes ici et on te donnera notre avis.

liou a écrit:Bonjour, pour tester la normalité des données, je crois que le plus fiable est de faire un test de Kolgomorov si tu ne l'as pas déjà fait... Bon courage

Merci beaucoup pour le conseil, je vais essayer ça ce soir!

Et merci beaucoup pour les conseils! C'est lamentable mais je n'arrive pas à poster mes graphiques sur le forum
Je t'envoie un mp, si tu as quelques minutes....

Bonne soirée!

Voilà, !!!!

J'ai finis par poster toutes mes variables, mais il y en surtout 2 qui me posent problème, qu'en dites vous????

1- Age



Pour moi, age est normale

2- Weight0 et weight 1, à transformer, non normales d'après moi





3- bmi0, d'après moi normale



4- Bmi1



Celle ci me pose problème. Les tests rejettent l’hypothèse de normalité mais à part une allure peut-être bimodale, je la trouve quand même bien sur la droite de Henry. Je pense qu’il faut quand même que je la considère comme normale.


5- totcal0 et totcal1, d'après moi non normales.[/u]





[u]6- Fatcal0 : d'après moi normale.



7-Fatcal1



Celle ci me semblait pas trop mal sur les graphiques mais les test rejettent l’hypothèse de normalité… J’aimerais pourtant la considérer normale car ces données sont pairées avec fatcal0 qui elle me semble normale.

Merci!

pour info, j'ai trouvé, en décomposant certaines de mes variables, et en appliquant une transformation sur weight1 (lnskew0 dans stata).
merci!