关键信息
- 分类
- Data Analysis
- 输入类型
- textarea, select, checkbox
- 输出类型
- text
- 样本覆盖
- 4
- 支持 API
- Yes
概览
正态性检验器是一款专业的统计分析工具，旨在帮助研究人员和数据分析师通过 Shapiro-Wilk、Anderson-Darling 等多种统计方法，快速验证数据集是否符合正态分布，为后续参数统计分析提供科学依据。
适用场景
- •在进行 t 检验或方差分析（ANOVA）之前，验证数据是否满足正态性假设。
- •在处理实验数据时，判断样本分布特征以选择合适的统计模型。
- •在质量控制或金融建模中，评估观测值是否偏离理论正态分布。
工作原理
- •在输入框中粘贴或输入您的数值数据，支持逗号、空格或换行符分隔。
- •选择显著性水平（α），通常默认为 0.05，以确定拒绝原假设的阈值。
- •勾选可视化检验选项，系统将自动生成 Q-Q 图以直观展示数据分布情况。
- •点击运行后，工具将输出各项统计检验的 P 值及分布结论。
使用场景
学术研究中的实验数据分布验证。
金融市场收益率的正态性评估。
工业生产过程中的产品质量指标检测。
用户案例
1. 临床试验数据分布验证
医学研究员- 背景原因
- 研究员收集了一组患者的血压测量值，需要确定是否可以使用 t 检验来比较两组治疗效果。
- 解决问题
- 需要快速验证血压数据是否符合正态分布，以决定统计方法的选择。
- 如何使用
- 将血压数值粘贴至输入框，设置显著性水平为 0.05，并勾选 Q-Q 图选项。
- 示例配置
-
significanceLevel: 0.05, includeVisualTests: true - 效果
- 工具输出 Shapiro-Wilk 检验结果及 Q-Q 图，研究员根据 P 值确认数据符合正态分布，从而选择 t 检验。
2. 金融资产收益率分析
量化分析师- 背景原因
- 分析师正在评估某股票过去一年的日收益率分布，以构建风险模型。
- 解决问题
- 金融数据通常存在“尖峰厚尾”现象，需通过统计检验确认其是否偏离正态分布。
- 如何使用
- 输入日收益率百分比数据，选择 0.01 显著性水平进行严苛检验。
- 示例配置
-
significanceLevel: 0.01, includeVisualTests: true - 效果
- 通过 Anderson-Darling 检验发现 P 值极小，确认收益率不符合正态分布，分析师随即调整模型采用非参数方法。
用 Samples 测试
data-analysisNginx 日志解析示例
用于测试 log-parser 工具的综合 Nginx 日志样本，包括访问日志和错误日志的各种格式和场景
task process
ELK Stack 日志分析示例
全面的 ELK Stack（Elasticsearch、Logstash、Kibana）示例，用于分布式系统中的日志聚合、处理和可视化
task process
重复行示例
用于测试重复行移除工具的各种重复行类型的示例文件
task process
特殊字符示例
用于测试非字母数字字符移除的各种特殊字符、标点符号和符号的示例文本文件
task process
常见问题
什么是正态性检验？
正态性检验是统计学中用于判断一组数据是否服从正态分布（高斯分布）的方法。
P 值小于 0.05 代表什么？
若 P 值小于显著性水平（如 0.05），则拒绝原假设，即认为数据不符合正态分布。
为什么需要包含 Q-Q 图？
Q-Q 图通过将样本分位数与理论正态分位数进行对比，能直观发现数据在尾部或中间的偏离情况。
该工具支持多大的数据集？
该工具适用于常规分析规模的数据集，建议输入量级在数千条以内的数值以保证计算效率。
如果数据不符合正态分布怎么办？
如果数据不符合正态分布，建议考虑使用非参数检验方法，或对数据进行对数、平方根等转换处理。