解释概率图的主要结果

请完成以下步骤来解释概率分布图。主要输出包括 p 值、拟合分布线和估计的百分位数。

步骤 1:确定数据是否不服从分布

要确定数据是否服从正态分布,请将 p 值与显著性水平进行比较。通常,显著性水平(用 α 或 alpha 表示)为 0.05 即可。显著性水平 0.05 表示当数据实际上服从分布时,判定数据不服从分布的风险为 5%。
P 值 ≤ α:数据不服从分布(否定 H0
如果 p 值小于或等于显著性水平,则决策为否定原假设并得出数据不服从分布的结论。
P 值 > α:无法得出数据不服从分布的结论(无法否定 H0
如果 p 值大于显著性水平,则决策为无法否定原假设,因为没有足够的证据得出数据不服从分布的结论。但是,您无法得出数据服从分布的结论。

有关如何为检验指定不同分布和参数的信息,请转到拟合分布线

主要结果:P 值

在这些结果中,原假设声明数据服从正态分布。由于 p 值为 0.463,大于显著性水平 0.05,因此决策为无法否定原假设。您无法得出数据不服从正态分布的结论。

警告

样本数量影响检验功效。极小的样本可能会因功效不足而无法从分布中检测到显著的偏移。极大的样本可能因功效太大而从分布中检测到不重要的小偏移。因此,使用概率图上的直观结果以及 p 值可评估分布拟合,如步骤 2 中所示。

步骤 2:对分布的拟合程度进行可视化处理

检查概率图并评估数据点与拟合分布线的服从程度。如果指定的理论分布能够很好地拟合数据,则点将沿着直线紧密分布。例如,下面的正态概率图上的点沿拟合线分布。正态分布似乎能够很好地拟合数据。

注意

拟合分布线是图中间的直线。图上的外层实线是各个百分位数(而不是整个分布)的置信区间,不应当用来评估分布的拟合情况。

有关直观地评估概率图上各个值的更多信息,请转到正态概率图和“粗铅笔检验”

步骤 3:显示总体估计百分位数

在 Minitab 中,将指针放在拟合分布线上可查看百分位数和值表。

例如,下面的概率图显示检验对象在跑步机上走步时的脉搏率。对于均值和标准差等于该数据的正态分布,预计总体中有 5% 的脉搏率为 54.76 或更少。

注意

只有当数据紧密服从分布时,估计的总体百分位数才准确。

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策