Kategorien

Datenverteilungs-Analysator

Umfassende Datenverteilungsanalyse mit Normalitätstests, Ausreißererkennung und Güteanpassungsbewertungen

Häufigkeitsverteilung und Perzentilinformationen generieren

Anderson-Darling, Shapiro-Wilk und Jarque-Bera Tests durchführen

Ausreißer mit mehreren Methoden identifizieren (IQR, Z-Score und robuste Statistiken)

Wichtige Fakten

Kategorie
Data Analysis
Eingabetypen
textarea, select, checkbox
Ausgabetyp
text
Sample-Abdeckung
4
API verfügbar
Yes

Überblick

Der Datenverteilungs-Analysator bietet eine präzise statistische Auswertung Ihrer Datensätze, um Verteilungsmuster, Normalität und potenzielle Ausreißer schnell und zuverlässig zu identifizieren.

Wann verwenden

  • Zur Überprüfung, ob ein Datensatz einer Normalverteilung folgt, bevor parametrische Tests durchgeführt werden.
  • Zur Identifizierung von Ausreißern in Messreihen, die das Gesamtergebnis verfälschen könnten.
  • Zur Visualisierung der Häufigkeitsverteilung und statistischen Güteanpassung bei wissenschaftlichen oder geschäftlichen Analysen.

So funktioniert es

  • Geben Sie Ihre Datenwerte durch Kommas oder Zeilenumbrüche getrennt in das Eingabefeld ein.
  • Wählen Sie das gewünschte Signifikanzniveau (z. B. 0,05 für 95 % Konfidenz) aus.
  • Aktivieren Sie die gewünschten Analyseoptionen wie Normalitätstests, Ausreißererkennung oder Histogramm-Generierung.
  • Starten Sie die Analyse, um detaillierte statistische Kennzahlen und Testergebnisse direkt zu erhalten.

Anwendungsfälle

Qualitätskontrolle in der Fertigung zur Überprüfung von Toleranzabweichungen.
Finanzanalyse zur Untersuchung von Renditeverteilungen und Risikofaktoren.
Wissenschaftliche Forschung zur Validierung von Stichprobendaten vor der Hypothesenprüfung.

Beispiele

1. Normalitätsprüfung von Messwerten

Qualitätsingenieur
Hintergrund
Ein Ingenieur muss sicherstellen, dass die Bauteilmaße einer Produktionslinie normalverteilt sind, um die Prozessstabilität zu gewährleisten.
Problem
Manuelle statistische Berechnungen sind fehleranfällig und zeitintensiv.
Verwendung
Messwerte in das Eingabefeld kopieren, 'Normalität testen' aktivieren und das Signifikanzniveau auf 0,05 setzen.
Ergebnis
Das Tool liefert die Ergebnisse der Shapiro-Wilk- und Anderson-Darling-Tests, die bestätigen, ob die Daten innerhalb der Toleranzgrenzen normalverteilt sind.

2. Identifikation von Ausreißern in Finanzdaten

Finanzanalyst
Hintergrund
Ein Analyst untersucht monatliche Transaktionsdaten, um ungewöhnliche Ausgabenmuster zu finden.
Problem
Einzelne extreme Werte verzerren den Durchschnitt und müssen isoliert betrachtet werden.
Verwendung
Transaktionswerte eingeben, 'Ausreißer erkennen' aktivieren und die Analyse starten.
Ergebnis
Das Tool markiert Werte, die basierend auf dem Z-Score oder IQR als statistische Ausreißer gelten, und ermöglicht so eine gezielte Prüfung der Anomalien.

Mit Samples testen

qr

Verwandte Hubs

FAQ

Welche Normalitätstests werden unterstützt?

Das Tool führt standardmäßig die Anderson-Darling-, Shapiro-Wilk- und Jarque-Bera-Tests durch.

Wie erkennt das Tool Ausreißer?

Ausreißer werden mittels IQR (Interquartilsabstand), Z-Score-Berechnungen und robusten statistischen Methoden identifiziert.

Was bedeutet das Signifikanzniveau?

Es bestimmt die Fehlertoleranz bei den statistischen Tests; 0,05 entspricht einem 95-prozentigen Konfidenzniveau.

Kann ich mehrere Datenspalten gleichzeitig analysieren?

Ja, wählen Sie dazu im Datenformat die Option 'Mehrere Spalten', um alle Werte gemeinsam zu glätten und auszuwerten.

Erhalte ich eine grafische Darstellung?

Wenn Sie die Option 'Histogrammdaten einbeziehen' aktivieren, erhalten Sie eine detaillierte Häufigkeitsverteilung und Perzentilinformationen.

API-Dokumentation

Request-Endpunkt

POST /de/api/tools/distribution-analyzer

Request-Parameter

Parameter-Name Typ Erforderlich Beschreibung
dataInput textarea Ja -
dataFormat select Ja -
significanceLevel select Ja -
includeHistogram checkbox Nein Häufigkeitsverteilung und Perzentilinformationen generieren
testNormality checkbox Nein Anderson-Darling, Shapiro-Wilk und Jarque-Bera Tests durchführen
detectOutliers checkbox Nein Ausreißer mit mehreren Methoden identifizieren (IQR, Z-Score und robuste Statistiken)

Antwortformat

{
  "result": "Processed text content",
  "error": "Error message (optional)",
  "message": "Notification message (optional)",
  "metadata": {
    "key": "value"
  }
}
Text: Text

MCP-Dokumentation

Fügen Sie dieses Tool zu Ihrer MCP-Server-Konfiguration hinzu:

{
  "mcpServers": {
    "elysiatools-distribution-analyzer": {
      "name": "distribution-analyzer",
      "description": "Umfassende Datenverteilungsanalyse mit Normalitätstests, Ausreißererkennung und Güteanpassungsbewertungen",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=distribution-analyzer",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

Sie können mehrere Tools verketten, z.B.: `https://elysiatools.com/mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp`, maximal 20 Tools.

Wenn Sie auf Probleme stoßen, kontaktieren Sie uns bitte bei [email protected]