Kategorien

← View All Tools

Normality Tester

Comprehensive normality testing using multiple statistical methods

Wichtige Fakten

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

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.

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.

So funktioniert es

  • •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.

Beispiele

1. Validierung von Messreihen

Qualitätssicherungs-Ingenieur
Hintergrund
Ein Ingenieur hat 20 Messwerte einer Bauteilfertigung erhoben und muss sicherstellen, dass diese normalverteilt sind, um eine statistische Prozesskontrolle durchzuführen.
Problem
Es ist unklar, ob die Stichprobe die Voraussetzungen für eine parametrische Analyse erfüllt.
Verwendung
Daten in das Textfeld kopieren, Signifikanzniveau auf 0,05 belassen und die Q-Q-Plot-Option aktivieren.
Ergebnis
Das Tool liefert die p-Werte der Tests und zeigt im Q-Q-Plot, ob die Punkte entlang der Geraden liegen, was die Normalverteilung bestätigt.

2. Statistische Vorprüfung für Forschung

Datenanalyst
Hintergrund
Ein Analyst bereitet einen Datensatz für eine Regressionsanalyse vor und muss die Verteilung der abhängigen Variable prüfen.
Problem
Die Annahme der Normalverteilung muss für die Validität des Modells statistisch belegt werden.
Verwendung
Numerische Daten einfügen, Signifikanzniveau auf 0,01 für höhere Sicherheit einstellen und die Analyse ausführen.
Ergebnis
Der Analyst erhält eine klare statistische Aussage, ob die Daten die Voraussetzungen für das Regressionsmodell erfüllen.

Mit Samples testen

data-analysis
Nginx-Protokollanalyse-Beispiele
Umfassende Nginx-Protokollbeispiele zum Testen des log-parser-Tools, einschließlich verschiedener Formate und Szenarien für Zugriffs- und Fehlerprotokolle
task process
sample
ELK Stack Log-Analyse Beispiele
Umfassende ELK Stack Beispiele für Log-Aggregation, -Verarbeitung und -Visualisierung in verteilten Systemen
task process
sample
Beispiele für Doppelte Zeilen
Beispieldateien mit verschiedenen Arten doppelter Zeilen zum Testen von Tools zum Entfernen von Duplikaten
task process
sample
Sonderzeichen-Beispiele
Beispieltextdateien mit verschiedenen Sonderzeichen, Interpunktionszeichen und Symbolen zum Testen der Entfernung nicht-alphanumerischer Zeichen
task process
sample

FAQ

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.

API-Dokumentation

Request-Endpunkt

POST /de/api/tools/normality-tester

Request-Parameter

Parameter-Name Typ Erforderlich Beschreibung
dataInput textarea Ja -
significanceLevel select Ja -
includeVisualTests checkbox Nein -

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-normality-tester": {
      "name": "normality-tester",
      "description": "Comprehensive normality testing using multiple statistical methods",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=normality-tester",
      "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]