# Normality Tester Comprehensive normality testing using multiple statistical methods > Kanonische Seite: https://elysiatools.com/de/tools/normality-tester - **Kategorie:** Data Analysis - **Schlagwörter:** normality, statistical test, distribution, shapiro-wilk, anderson-darling ## Überblick Der Normality Tester ermöglicht eine präzise statistische Überprüfung, ob ein Datensatz einer Normalverteilung folgt. Durch die Kombination bewährter mathematischer Verfahren wie Shapiro-Wilk und Anderson-Darling erhalten Sie fundierte Einblicke in die Verteilungseigenschaften Ihrer numerischen Daten. ## Eingaben - **Data Input** (textarea): Enter numeric data separated by commas, spaces, or newlines Examples: 25, 27, 29, 30, 31, 32, 33, 34, 35, 36 Or: 25 27 29 30 31 32 33 34 35 36 Or: 25 27 29 30 31 32 33 34 35 36 - **Significance Level (α)** (select) - **Include Visual Tests (Q-Q Plot)** (checkbox) ## Wann verwenden - Vor der Anwendung parametrischer statistischer Tests, die eine Normalverteilung voraussetzen. - Zur Validierung von Messreihen in wissenschaftlichen oder qualitätssichernden Analysen. - Bei der Prüfung von Residuen in Regressionsmodellen auf ihre Verteilungsform. ## Funktionsweise - Geben Sie Ihre numerischen Daten durch Kommas, Leerzeichen oder Zeilenumbrüche getrennt in das Eingabefeld ein. - Wählen Sie das gewünschte Signifikanzniveau (α) aus, um die Strenge der statistischen Prüfung festzulegen. - Aktivieren Sie bei Bedarf die visuelle Q-Q-Plot-Analyse, um Abweichungen von der Normalverteilung grafisch zu identifizieren. - Starten Sie die Berechnung, um die Testergebnisse und die statistische Signifikanz sofort zu erhalten. ## Anwendungsfälle - Überprüfung von Produktionsdaten auf Einhaltung von Toleranzgrenzen. - Analyse von Finanzmarktdaten zur Vorbereitung auf Risikomodellierungen. - Validierung von Umfrageergebnissen vor der Durchführung von T-Tests. ## Häufig gestellte Fragen ### Was bedeutet das Signifikanzniveau (α)? Das Signifikanzniveau bestimmt die Schwelle, ab der die Nullhypothese (dass die Daten normalverteilt sind) abgelehnt wird. Ein Wert von 0,05 entspricht einer 95%igen Konfidenz. ### Welche statistischen Methoden werden verwendet? Das Tool nutzt etablierte Verfahren wie Shapiro-Wilk und Anderson-Darling, um die Verteilung Ihrer Daten mathematisch zu verifizieren. ### Warum ist ein Q-Q-Plot hilfreich? Ein Q-Q-Plot visualisiert die Übereinstimmung Ihrer Daten mit einer theoretischen Normalverteilung und hilft, Ausreißer oder systematische Abweichungen schnell zu erkennen. ### Wie müssen die Daten formatiert sein? Die Daten müssen rein numerisch sein. Sie können sie einfach per Copy-Paste als Liste mit Leerzeichen, Kommas oder Zeilenumbrüchen einfügen. ### Was passiert, wenn meine Daten nicht normalverteilt sind? Wenn der Test die Normalverteilung ablehnt, sollten Sie für weitere Analysen nicht-parametrische statistische Verfahren in Betracht ziehen. ## Ähnliche Tools - [Nemenyi Critical-Difference- & Friedman-Rang-Plotter](https://elysiatools.com/de/tools/nemenyi-critical-difference-friedman-rank-plotter): Friedman- und Iman-Davenport-Tests mit exakten p-Werten, Durchschnittsränge, die Nemenyi-kritische Differenz und das klassische CD-Diagramm mit Cliquen — plus optionales Bonferroni-Dunn-Overlay gegen ein Kontrollmodell. - [A/B-Test Signifikanzrechner](https://elysiatools.com/de/tools/ab-test-significance-calculator): Geben Sie Kontrolle-/Behandlungs-Daten ein: Differenz der Raten, 95%/99%-Konfidenzintervalle, p-Wert des Z-Tests (Anteile) oder Welch-t (stetig), Signifikanz, Lift, Stichprobengröße für 80%/90% Power, empfohlene Tage, Sequential-Testing-Warnung und Bonferroni-Korrektur. - [Tutor für Kontingenztafeln: Chi-Quadrat, exakter Fisher-Test, Cramérs V](https://elysiatools.com/de/tools/contingency-table-chi-square-fisher-exact-cramer-v-tutor): Schritt-für-Schritt-Hypothesentests für 2×2- und R×C-Tafeln: Pearson-Chi-Quadrat, Yates-Stetigkeitskorrektur, G-Test (Likelihood-Ratio), exakter Fisher-Test bei kleinen erwarteten Häufigkeiten, Effektstärken (Cramérs V / Phi / Kontingenzkoeffizient), Habermans adjustierte Residuen zur Zelllokalisierung, BH-FDR-Hinweis und optionale Chapman-Schätzung (Capture-Recapture). - [Korrelationsanalyse](https://elysiatools.com/de/tools/correlation-analyzer): Fortschrittetes Korrelationsanalyse-Werkzeug zur Berechnung von Korrelationskoeffizienten zwischen Variablen zur Messung der Stärke und Richtung ihrer linearen Beziehungen. - [Datenverteilungs-Analysator](https://elysiatools.com/de/tools/distribution-analyzer): Umfassende Datenverteilungsanalyse mit Normalitätstests, Ausreißererkennung und Güteanpassungsbewertungen - [Kurtosis-Analysator](https://elysiatools.com/de/tools/kurtosis-analyzer): Daten-Kurtosis analysieren, um die "Schwanzigkeit" der Verteilung zu messen und schwanz- oder leichte Schwanzmuster zu erkennen - [Zahlenbereichsstatistiken](https://elysiatools.com/de/tools/number-range-statistics): Zahlen in angegebenen Bereichen oder Intervallen analysieren und zählen - [Bilder Stapelzuschneiden](https://elysiatools.com/de/tools/batch-image-trim): Schneidet mehrere Bilder gleichzeitig mit verschiedenen Zuschneidemethoden zu und ZIP-Ausgabe ## Beispiele - [Android Java Bildverarbeitungsbeispiele](https://elysiatools.com/de/samples/android-image-processing-java): Android Java Bildverarbeitungsbeispiele einschließlich Lesen/Schreiben, Skalierung und Formatkonvertierung - [Android Kotlin Bildverarbeitungsbeispiele](https://elysiatools.com/de/samples/android-image-processing-kotlin): Android Kotlin Bildverarbeitungsbeispiele einschließlich Lesen/Schreiben, Skalierung und Formatkonvertierung - [Web Python Bildverarbeitung Beispiele](https://elysiatools.com/de/samples/web-image-processing-python): Web Python Bildverarbeitungsbeispiele mit PIL/Pillow einschließlich Lesen, Speichern, Skalieren und Formatkonvertierung - [Web Rust Bildverarbeitungsbeispiele](https://elysiatools.com/de/samples/web-image-processing-rust): Web Rust Bildverarbeitungsbeispiele einschließlich Lesen/Schreiben, Skalierung und Formatkonvertierung