Shapiro-Wilk-, Anderson-Darling- und Lilliefors-Normalitäts-Tutor

Shapiro-Wilk-, Anderson-Darling- und Lilliefors-Normalitäts-Tutor | Kostenloses Online-Tool | Elysia Tools

Leitfaden zur Tool-Nutzung

Erfahren Sie, wann dieses Tool passt, was es unterstützt und wie Nutzer es anwenden.

Wichtige Fakten

Kategorie: Science & Education
Eingabetypen: textarea, select, checkbox
Ausgabetyp: html
Sample-Abdeckung: 4
API bereit: Ja

Überblick

Dieser Normalitäts-Tutor führt die drei statistischen Standardtests Shapiro-Wilk (AS R94), Anderson-Darling und Lilliefors für numerische Stichproben parallel aus. Ergänzt durch ein Blom-Q-Q-Diagramm und Monte-Carlo-Leistungssimulationen bietet das Tool eine verlässliche Entscheidungsgrundlage zur Prüfung der Normalverteilungsannahme.

Wann verwenden

Vor der Durchführung parametrischer Verfahren wie t-Tests oder Varianzanalysen (ANOVA).
Zur Identifikation von Abweichungen in den Verteilungsenden (Tails) mittels Anderson-Darling-Test.
Zum Vergleich der Teststärke verschiedener Normalitätstests bei vermuteten Alternativverteilungen.

So funktioniert es

1Numerische Messwerte kommagetrennt, leerzeichengetrennt oder zeilenweise in das Eingabefeld einfügen.
2Das gewünschte Signifikanzniveau α (0.01, 0.05 oder 0.10) auswählen.
3Optional das Blom-Q-Q-Diagramm aktivieren und eine Alternativverteilung für die Monte-Carlo-Leistungskurve festlegen.
4Den HTML-Bericht mit Teststatistiken, p-Werten, deskriptiven Kennzahlen und Diagrammen auswerten.

Anwendungsfälle

Qualitätskontrolle im Labor zur Validierung der Normalverteilung von Messreihen.
Akademische Lehre zur Veranschaulichung unterschiedlicher Teststärken und Ausreißerempfindlichkeiten.
Prüfung von Modellresiduen in der Regressionsanalyse auf approximative Normalverteilung.

Beispiele

1. Prüfung von Penizillin-Ausbeuten mit Ausreißern

Bioprozess-Analyst

Hintergrund

Eine Versuchsreihe liefert 30 Ausbeutewerte mit zwei starken negativen Abweichungen.

Aufgabe

Überprüfen, ob parametrische Methoden trotz asymmetrischer Messwerte anwendbar sind.

Verwendung

Messwerte eingeben, α auf 0.05 setzen und sowohl Q-Q-Diagramm als auch Monte-Carlo-Simulation für die Exponentialverteilung aktivieren.

alpha = 0.05, showQqPlot = true, powerAlternative = 'exponential', showPowerCurve = true

Ergebnis

Shapiro-Wilk (p = 0.0054) und Anderson-Darling (p = 0.0029) lehnen die Normalverteilung ab, während Lilliefors (p = 0.0535) knapp nicht ablehnt.

2. Verifikation einer ungestörten Kalibrierungsreihe

Laborleiter

Hintergrund

24 standardisierte Kontrollmessungen sollen vor der Freigabe eines neuen Prüfstands evaluiert werden.

Aufgabe

Bestätigen, dass die Kalibrierdaten keine signifikante Abweichung von der Gauß-Verteilung aufweisen.

Verwendung

24 Messwerte einfügen, Signifikanzniveau α = 0.05 wählen und das Blom-Q-Q-Diagramm generieren.

FAQ

Welche Referenzalgorithmen verwendet das Tool?

Shapiro-Wilk basiert auf swilk.c (AS R94 aus R), Anderson-Darling auf ad.test und Lilliefors auf lillie.test (beide aus nortest), validiert gegen scipy.

Warum liefern die drei Tests unterschiedliche p-Werte?

Shapiro-Wilk besitzt hohe Gesamtteststärke, Anderson-Darling gewichtet Randbereiche stärker, und Lilliefors bewertet die maximale empirische Verteilungsdifferenz.

Welche Trennzeichen werden bei der Dateneingabe akzeptiert?

Werte können durch Kommas, Leerzeichen oder Zeilenumbrüche getrennt eingegeben werden.

Welche Alternativverteilungen stehen für die Leistungssimulation bereit?

Zur Auswahl stehen Normal (Kalibrierung), Gleichverteilt, Exponential, Bimodale Mischung und Student-t3.

Was zeigt das Q-Q-Diagramm im Bericht?

Es stellt die empirischen Quantile nach Blom den theoretischen Normalverteilungsquantilen gegenüber, ergänzt durch eine robuste Referenzgerade.

alpha = 0.05, showQqPlot = true, powerAlternative = 'exponential', showPowerCurve = true

Wobei dieses Tool hilft

Dieses Tool ausführen

Beispiele zu diesem Tool

Mit verwandten Tools und Themen fortfahren

Erfahren Sie, wann dieses Tool passt, was es unterstützt und wie Nutzer es anwenden.

Wichtige Fakten

Überblick

Wann verwenden

So funktioniert es

Anwendungsfälle

Beispiele

1. Prüfung von Penizillin-Ausbeuten mit Ausreißern

2. Verifikation einer ungestörten Kalibrierungsreihe

FAQ

Web Python Bildverarbeitung Beispiele

Android Java Bildverarbeitungsbeispiele

Android Kotlin Bildverarbeitungsbeispiele

Web Rust Bildverarbeitungsbeispiele

Snelliussches-Gesetz-Rechner

Rechner zur Heisenbergschen Unschärferelation

Rapiditäts-Rechner

Löser für Kinematik-Aufgaben