En fait j'ai un vecteur de temperatures :
- [1] 28.063 32.024 26.849 31.984 32.651 23.190 25.200 33.008 29.389 23.491
[11] 29.991 33.770 35.079 27.130 25.579 29.694 35.286 34.083 33.833 35.968
[21] 34.175 38.151 37.016 23.294 25.574 29.481 20.778 29.454 30.159 27.000
[31] 24.595 27.167 29.754 29.087 36.563 34.500 35.698 37.011 37.722 35.167
[41] 35.913 35.833 36.333 37.563 37.000 36.643 35.657 36.024 36.286 38.413
[51] 38.183 35.352 37.810 36.603 37.500 37.024 36.730 28.071 31.889 30.583
[61] 34.413 30.429 33.759 33.139 35.444 36.365 36.095 37.833 38.222 37.213
[71] 39.083 37.802 39.071 36.200 39.143 38.731 38.214 39.881 37.968 35.963
[81] 37.365 36.648 36.037 37.413 30.365 36.286 30.056 29.786 34.175 38.889
[91] 38.683 39.310 37.762 38.000 38.444 38.548 37.786 37.907 37.065 38.246
[101] 39.000 36.460 38.972 37.587 34.563 36.817 38.159 37.762 37.651 37.603
[111] 36.889 35.500 33.509 36.667 35.903 38.452 38.587 39.373 40.008 39.102
[121] 36.627 36.429 31.556 35.405 26.698 37.157 39.627 39.302 38.861 36.476
[131] 34.063 31.278 34.659 37.407 39.730 37.159 36.214 39.421 36.659 39.190
[141] 38.824 39.778 38.270 31.620 33.000 33.183 38.270 36.246 35.000 36.370
[151] 36.460 33.639 33.770 28.269 33.952 38.944 33.204 32.028 33.468 32.139
[161] 35.159 30.817 31.102 34.397 32.056 33.954 33.778 32.611 35.643 35.825
Et j'ai effectué ces commandes :
Code : Tout sélectionner
> hist(temp)
> library(MASS)
> library(car)
> test<-box.cox.powers(temp)
> names(test)
[1] "start" "criterion" "lambda" "stderr" "LR0"
[6] "LR1" "return.code"
> TEST<-box.cox(temp,test$lambda)
> hist(TEST)
> shapiro.test(TEST)
Shapiro-Wilk normality test
data: TEST
W = 0.969, p-value = 0.000745
> qqnorm(TEST)
Et on voit très clairement que le lambda n'est pas optimal puisqu'après un test de shapiro ou une droite d'Henry, la nouvelle variable TEST n'est pas normal... certes plus que ma variable d'origine "temp" mais pas normal non plus.
Ma question est donc : comment rendre cela un peu plus gaussien ?
Merci pour tout encore une fois ;)
Thomas