非正規データを使用して行うこと

非正規データを使用して仮説検定を実行する場合、いくつかの選択肢があります。

サンプルの大きさが十分であれば、分析に進みます。

多くの仮説検定は、公式では正規性の仮定に基づきますが、サンプルが十分に大きい場合、非正規データでも妥当な結果を得ることができます。必要なデータの量は、データがどれだけ非正規であるかによって異なりますが、多くの場合、サンプルサイズ20で十分です。非正規性に対する頑健性とサンプルサイズの関係は、中心極限定理に基づいています。この定理は、サンプルサイズが大きくなるにつれ、分布のデータの平均の分布が正規分布に近づくことを証明するものです。したがって、母平均について推定するときに、サンプルが十分に大きい場合は正規性仮定は重要ではありません。

ノンパラメトリック検定を使用する

ノンパラメトリック検定は、母集団の特定の分布を仮定しません。Minitabには、正規性を仮定する検定の代わりに使用できるノンパラメトリック検定がいくつかあります。これらの検定は、歪みがある小さなサンプルまたはいくつかの外れ値が含まれるサンプルの場合に、特に便利です。

正規性を前提とする検定 ノンパラメトリック検定と同等の検定
1サンプルZ、1サンプル-t 1サンプル符号、1サンプルWilcoxon
2サンプルt Mann-Whitney
分散分析 Kruskal-Wallis、Moodの中央値、Friedman

ノンパラメトリック検定でもデータを仮定することはあります。たとえば、独立してランダムなサンプルのデータを使う必要があります。

データを変換する

場合によっては、関数を適用してデータを変換し、データを正規分布に適合させて分析を完了できるようにすることが可能な場合もあります。

本サイトを使用すると、分析およびコンテンツのカスタマイズのためにクッキーが使用されることに同意したことになります。  当社のプライバシーポリシーをご確認ください