Red de conocimiento informático - Material del sitio web - ¿Cómo probar la distribución normal de muestras en SPSS?

¿Cómo probar la distribución normal de muestras en SPSS?

I. Método gráfico

1.P-P

Gráfico

¿Tomar la frecuencia acumulada de la muestra como abscisa? ¿La distribución normal calculada con la probabilidad acumulada correspondiente como ordenada? Representar valores de muestra como puntos de dispersión en un sistema de coordenadas cartesiano. ¿Qué pasa si la información sigue una distribución poblacional? Luego, los puntos de muestra deben distribuirse cerca de la diagonal del primer cuadrante.

2. Q-Q

Trazado

¿Usando el valor cuantificado de la muestra como abscisa? ¿Tomar como ordenada el valor cuantificado correspondiente calculado según la distribución normal? Las muestras se representan como puntos de dispersión en el sistema de coordenadas de enseñanza. ¿Qué pasa si la información sigue una distribución normal? Entonces el punto de muestra debería aparecer como una línea recta en la diagonal del primer cuadrante.

¿Cuál de los dos métodos anteriores es mejor utilizar

Q-Q

? Más eficiente.

3. Histograma

¿Cómo juzgar? ¿Es una distribución en forma de campana? Al mismo tiempo, puede optar por generar una curva normal.

4. Diagrama de caja

¿Cómo juzgar? Observe los valores atípicos y las medianas.

5. Diagrama de tallo y hojas

¿Es parecido a un histograma? Pero la esencia es otra.

II. Cálculo

1. Coeficiente de asimetría

y coeficiente de curtosis

¿Fórmula de cálculo?

¿g1 representa asimetría?

¿g2 representa curtosis?

Calculando

g1

y

g2

y sus errores estándar

σg1 y

σg2, y luego realice

prueba U. Sólo cuando las conclusiones de las dos pruebas son

U0.05

se puede considerar que el conjunto de información obedece a la distribución normal. ¿Se puede ver en la fórmula? Parte de la literatura cree que "cuando la asimetría y la curtosis están cercanas a

0..., se puede considerar... que obedece aproximadamente a la distribución normal" no es riguroso.

2. Métodos de prueba no paramétricos

Los métodos de prueba no paramétricos incluyen

Kolmogorov-Smirnov

Prueba D

¿Inspección?

¿Y la prueba de

Shapiro-

Wilk W

?

SAS

¿Señalar? ¿Cuándo el contenido de muestra

n

≤2000? ¿El resultado es

Shapiro

-

Wilk? W

¿Prevalecerá la inspección? Cuando el contenido de muestra

n

>2000

¿El resultado es

Kolmogorov

-

Smirnov?D

Prevalecerá la inspección.

SPSS

estipula: 1. Si se especifica un peso no entero, cuando el tamaño de la muestra ponderada esté entre

3

y

50

¿Entre? Calcula las estadísticas de

Shapiro-Wilk

. ¿Para ponderación entera o no ponderada? Esta estadística se calcula cuando el tamaño de la muestra ponderada está entre

3

y

5000

. Se puede ver que

SPSS

el libro de texto sobre "Shapiro

-

Wilk

es adecuado para tamaño de muestra

Datos entre 3 y 50

¿Parte de la afirmación es una comprensión unilateral? Engañoso. 2.

La prueba de Kolmogorov-Smirnov

de una muestra se puede utilizar para comprobar si las variables (como

ingresos) se distribuyen normalmente.

¿Para estas dos pruebas? Si el valor

P

es mayor que

0,05, indica que la información sigue una distribución normal.

3. Ejemplos de operaciones de SPSS

Hay muchas operaciones en SPSS

que se pueden realizar. ¿Se utiliza para realizar la prueba de normalidad?

¿Aquí solo se presentan las operaciones más importantes, completas y convenientes?

1. Barra de herramientas--Análisis--Estadísticas descriptivas--Exploratoria

2. ¿Seleccionar las variables a analizar? ¿Marque la casilla de variable dependiente? Luego haga clic en el gráfico. ¿Configurar diagramas de tallo y hojas e histogramas de salida? ¿Elige generar un gráfico de prueba de normalidad? Tenga en cuenta que ambos deberían mostrarse.

3. Salida

Resultado 1. Descripción: ¿Hay coeficiente de curtosis y coeficiente de asimetría en la descripción? ¿Según los criterios de juicio anteriores? Los datos no siguen una distribución normal.

Cuando Sk=0?Ku=0

?Sk>0

, ¿la distribución es una distribución normal? ¿La distribución está sesgada positivamente? Sk<0

¿Cuándo? ¿La distribución está sesgada negativamente? Ku>0

Cuando Ku<0, la curva es más pronunciada

Cuando Ku<0, la curva es más plana

. A partir de esto, ¿se puede juzgar que la distribución de datos está sesgada positivamente? ¿Inclinarse hacia la izquierda? 2. La prueba

normalidad

D

y la prueba

W

muestran que los datos son ¿No sigue la distribución normal? Por supuesto, ¿el tamaño de muestra de los datos aquí es 1000?

W

Debe prevalecer la inspección. 3. Histograma

El histograma verifica la prueba anterior. 4? ¿Hay también diagramas de tallo y hojas, diagramas P-P

, diagramas Q-Q

, diagramas de caja y otros resultados de salida? Los resultados también verificaron que los datos no se ajustaban a la distribución normal.