AFNI program: 3dNormalityTest

Output of -help


Program: 3dNormalityTest

* This program tests the input values at each voxel for normality,
  using the Anderson-Darling method:
    http://en.wikipedia.org/wiki/Anderson-Darling_test

* Each voxel must have at least 5 values (sub-bricks).

* The resulting dataset has the Anderson-Darling statistic converted
  to an exponentially distributed variable, so it can be thresholded
  with the AFNI slider and display a nominal p-value below.  If you
  want the A-D statistic un-converted, use the '-noexp' option.

* Conversion of the A-D statistic to a p-value is done via simulation
  of the null distribution.

OPTIONS:
--------
 -input dset  = Specifies the input dataset.
                Alternatively, the input dataset can be given as the
                last argument on the command line, after all other
                options.

 -prefix ppp  = Specifies the name for the output dataset.

 -noexp       = Do not convert the A-D statistic to an exponentially
                distributed value -- just leave the raw A-D score in
                the output dataset.
 -pval        = Output the results as a pure (estimated) p-value.

EXAMPLES:
---------
(1) Simulate a 2D square dataset with the values being normal on one
edge and exponentially distributed on the other, and mixed in-between.

  3dUndump -dimen 101 101 1 -prefix UUU
  3dcalc -datum float -a UUU+orig -b '1D: 0 0 0 0 0 0 0 0 0 0' -prefix NNN \
         -expr 'i*gran(0,1.4)+(100-i)*eran(4)'
  rm -f UUU+orig.*
  3dNormalityTest -prefix Ntest -input NNN+orig
  afni -com 'OPEN_WINDOW axialimage' Ntest+orig

In the above script, the UUU+orig dataset is created just to provide a spatial
template for 3dcalc.  The '1D: 0 ... 0' input to 3dcalc is a time template
to create a dataset with 10 time points.  The values are random deviates,
ranging from pure Gaussian where i=100 to pure exponential at i=0.

(2) Simulate a single logistic random variable into a 1D file and compute
the A-D nominal p-value:

  1deval -num 200 -expr 'lran(2)' > logg.1D
  3dNormalityTest -input logg.1D\' -prefix stdout: -pval

Note the necessity to transpose the logg.1D file (with the \' operator),
since 3D programs interpret each 1D file row as a voxel time series.

++ March 2012 -- by The Ghost of Carl Friedrich Gauss

++ Compile date = Dec 11 2018 {AFNI_18.3.16:linux_ubuntu_16_64}


This page auto-generated on Tue Dec 11 18:13:11 EST 2018