Ключевые факты
- Категория
- Data Analysis
- Типы входных данных
- textarea, select, checkbox
- Тип результата
- text
- Покрытие примерами
- 4
- API доступен
- Yes
Обзор
Инструмент для проверки нормальности распределения данных позволяет быстро оценить, соответствуют ли ваши числовые выборки закону нормального распределения с помощью надежных статистических методов.
Когда использовать
- •Перед проведением параметрических статистических тестов, требующих нормальности данных.
- •Для проверки качества собранных данных в научных исследованиях или бизнес-аналитике.
- •При необходимости подтвердить гипотезу о распределении случайных величин в выборке.
Как это работает
- •Введите числовые значения в поле ввода, разделяя их запятыми, пробелами или переносами строк.
- •Выберите желаемый уровень значимости (α) для настройки строгости статистического вывода.
- •Активируйте опцию визуализации Q-Q Plot для наглядной оценки отклонений от нормальной прямой.
- •Нажмите кнопку запуска, чтобы получить результаты статистических тестов и интерпретацию данных.
Сценарии использования
Примеры
1. Анализ результатов тестирования
Аналитик данных- Контекст
- Необходимо проверить, распределены ли баллы студентов по итоговому тесту нормально, чтобы выбрать подходящий метод сравнения групп.
- Проблема
- Неизвестно, можно ли использовать t-критерий для сравнения двух классов.
- Как использовать
- Вставить список баллов в поле ввода, выбрать уровень значимости 0.05 и включить Q-Q график.
- Пример конфигурации
-
significanceLevel: 0.05, includeVisualTests: true - Результат
- Получены p-значения тестов и график, подтверждающий нормальность распределения, что позволяет использовать параметрические методы.
2. Проверка производственных параметров
Инженер по качеству- Контекст
- Требуется убедиться, что отклонения размеров деталей при производстве соответствуют нормальному распределению.
- Проблема
- Нужно исключить систематические ошибки в процессе сборки.
- Как использовать
- Загрузить данные замеров 50 деталей, выбрать уровень значимости 0.01 для строгой проверки.
- Пример конфигурации
-
significanceLevel: 0.01, includeVisualTests: true - Результат
- Статистический отчет показал отклонение от нормальности, что сигнализирует о необходимости калибровки оборудования.
Проверить на примерах
data-analysisFAQ
Что такое нормальное распределение?
Это симметричное распределение данных, при котором большинство значений группируются вокруг среднего арифметического, образуя форму «колокола».
Зачем проверять данные на нормальность?
Многие статистические методы, такие как t-критерий Стьюдента или ANOVA, предполагают нормальность распределения данных для получения достоверных результатов.
Что означает уровень значимости (α)?
Это порог вероятности, при котором мы отвергаем нулевую гипотезу о нормальности. Обычно используется значение 0.05 (95% доверия).
Что показывает Q-Q график?
Q-Q график сравнивает квантили ваших данных с квантилями теоретического нормального распределения. Если точки лежат на прямой линии, данные распределены нормально.
Какие методы используются для проверки?
Инструмент применяет признанные статистические тесты, такие как Шапиро-Уилка и Андерсона-Дарлинга, для оценки соответствия выборки нормальному закону.