Führen Sie die folgenden Schritte aus, um einen Test auf Normalverteilung zu interpretieren. Zu den wichtigsten Ausgaben zählen der p-Wert und das Wahrscheinlichkeitsnetz.
Schritt 1: Ermitteln, ob die Daten keiner Normalverteilung folgen
Um zu ermitteln, ob die Daten keiner Normalverteilung folgen, vergleichen Sie den p-Wert mit dem Signifikanzniveau. In der Regel ist ein Signifikanzniveau (als α oder Alpha bezeichnet) von 0,05 gut geeignet. Ein Signifikanzniveau von 0,05 bedeutet ein Risiko der Schlussfolgerung, dass die Daten keiner Normalverteilung folgen, wenn sie tatsächlich einer Normalverteilung folgen, von 5 %.
p-Wert ≤ α: Die Daten folgen keiner Normalverteilung (H0 verwerfen)
Wenn der p-Wert kleiner oder gleich dem Signifikanzniveau ist, weisen Sie die Nullhypothese zurück und schlussfolgern, dass die Daten keiner Normalverteilung folgen.
p-Wert > α: Es kann nicht gefolgert werden, dass die Daten keiner Normalverteilung folgen (H0 nicht verwerfen)
Wenn der p-Wert größer als das Signifikanzniveau ist, weisen Sie die Nullhypothese nicht zurück. Es liegen nicht genügend Anzeichen für die Schlussfolgerung vor, dass die Daten keiner Normalverteilung folgen.
Wichtigstes Ergebnis: p-Wert
In diesen Ergebnissen besagt die Nullhypothese, dass die Daten einer Normalverteilung folgen. Da der p-Wert 0,463 und somit größer als das Signifikanzniveau 0,05 ist, weisen Sie die Nullhypothese nicht zurück. Sie können nicht folgern, dass die Daten keiner Normalverteilung folgen.
Schritt 2: Anpassung der Normalverteilung visualisieren
Untersuchen Sie das Wahrscheinlichkeitsnetz, das die Anpassung an die Normalverteilung veranschaulicht, und werten Sie aus, wie eng die Datenpunkte der angepassten Verteilungslinie folgen. Bei einer Normalverteilung bilden die Punkte eine nahezu gerade Linie. Schiefe Daten dagegen formen eine Kurve.
Rechtsschiefe Daten
Linksschiefe Daten
Tipp
Verweilen Sie in Minitab mit dem Mauszeiger über der angepassten Verteilungslinie, um eine Tabelle der Perzentile und Werte abzurufen.
In diesem Wahrscheinlichkeitsnetz bilden die Daten annähernd eine Gerade entlang der Linie. Die Normalverteilung scheint gut an die Daten angepasst zu sein.
