解释 正态性检验 的主要结果

请完成以下步骤来解释正态性检验。主要输出包括 p 值和概率图。

步骤 1:确定数据是否不服从正态分布

要确定数据是否不服从正态分布,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正态分布时,断定数据不服从正态分布的风险为 5%。
P 值 ≤ α:数据不服从正态分布(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正态分布的结论。
P 值 > α:您无法得出数据不服从正态分布的结论(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。您没有足够的证据得出数据不服从正态分布的结论。
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),则所做的决定为无法否定原假设。您无法得出数据不服从正态分布的结论。

步骤 2:对正态分布的拟合程度进行可视化处理

为了可视化正态分布的拟合,请检查概率图并评估数据点与拟合的分布线的服从程度。正常分布趋于紧密服从直线。偏斜数据将形成曲线。
右偏斜数据
左偏斜数据
提示

在 Minitab 中,将鼠标指针移到拟合分布线上并按住将可看到百分位数和值的控制图。

在这个概率图中,数据沿着正态分布线构成的线条大致为直线。正态分布似乎能够很好地拟合数据。

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