图一所有制造一站式服务,模板和统计分析
在几分钟内完成
ChartitNOW 导航
side bar spacer side bar spacer
 
即时下载
Securely download your templates
TMSSonline Total Manufacturing Systems Solutions
The Complete Lean Shop
PayPal Logo
满意

它是什么: 一个正常的测试过程中使用的是一个统计,以确定是否样品或任何一组数据符合标准的正态分布。一个可以进行正常的测试数学或图形。

为什么使用它: 一个正常的测试应用是残差从线性回归模型。如果不是正态分布,残差不应该ž的测试或从正态分布,如T 考验,男检验和卡方检验,派生的任何其他测试使用。如果残差不服从正态分布,那么因变量或至少一个解释变量可能有错误的函数形式,或重要的变量可能会丢失,等一个或纠正这些错误的更多的系统可能产生的残差是正态分布的。

凡使用它: 有信心,我们的样本是一个很好的代表,人口。

当使用它: 正态测试用于确定是否是正态分布的随机变量,或没有。

如何使用它: 正态测试包括德 Agostino's的K -平方测试,以及Jarque -贝拉测试中,安德森,亲爱的测试中,克拉美冯- Mises准则,对正常Lilliefors测试(本身是的Kolmogorov - Smirnov检验改编)中,夏皮罗-威尔克测试,Pearson的卡方检定,并为正常夏皮罗-弗朗西亚考验。

而不是使用正规测试正常,另一种选择是一个比较残差直方图到正常的概率曲线。对残差(直方图)应钟形,类似于正态分布的实际分布。这可能是很难看到的样品不多。在这种情况下,一对可能进行的回归具有相同的均值和样本方差正态分布的测量残差。如果回归产生约直线,然后残差可以安全地被假定为正态分布。在其他图形工具是位数,分位数图和正态概率图。


  名称
格式
预览 (点击放大)
  测试页正常开幕
Microsoft Excel Format
Opening page of normality test
  数据输入部分
Microsoft Excel Format
Data input section
  结果和摘要部分
Microsoft Excel Format
Results and summary section
美元 $9.95
Paypal icon
我已阅读并同意 条款和条件。
添加到购物车