您还没有绑定微信,更多功能请点击绑定

数据正态性检验请教!

我有一产品性能数据,在样本容量较小时,为正态分布(通过正态性检验P>0.05判断),但是当样本容量较大时正态性检验却为非正态分布???(通过正态性检验P<0.05判断)不解,请指点,数据如下:
646
651
648
648
656
648
646
654
651
650
651
651
654
654
647
650
651
644
650
646
646
651
651
653
652
652
651
645
650
653
656
652
650
651
655
654
646
653
656
645
651
651
651
651
652
651
653
651
652
654
653
651
658
647
650
647
654
652
653
651
652
654
654
647
649
655
656
652
658
651
648
654
649
653
649
644
654
651
653
653
652
652
651
648
645
649
649
655
653
649
659
653
649
651
647
650
649
655
653
658
654
654
654
652
651
649
652
644
652
647
650
650
650
655
649
651
652
648
645
653
651
654
647
648
644
650
650
652
650
653
653
650
653
648
652
657
648
652
649
652
653
651
650
653
647
652
652
653
655
653
650
650
658
648
651
653
653
654
649
646
643
651
651
652
650
648
652
650
654
651
653
650
652
648
651
648
649
651
650
649
652
650
653
651
649
654
651
646
650
651
649
652
649
648
653
652
646
649
654
653
649
647
652
649
654
648
651
651
652
651
653
651
649
657
652
649
653
651
653
647
647
652
653
645
*
657
652
642
649
649
646
651
646
648
652
648
648
648
651
652
653
649
653
652
653
*
648
651
651
651
649
647
649
649
649
649
647
650
653
650
652
647
646
649
653
654
646
649
652
654
654
653
646
654
649
649
647
653
649
649
650
646
651
648
657
648
649
649
648
652
653
650
649
649
644
648
653
651
648
647
*
649
651
652
649
651
649
653
650
654
651
652
650
650
651
654
*
654
647
652
648
649
651
653
651
649
654
651
648
647
649
652
652
650
650
648
656
655
651
650
655
653
646
648
649
650
648
647
649
650
652
650
650
655
652
651
652
644
652
651
648
649
649
651
651
653
655
653
653
654
649
653
647
649
650
649
653
647
651
649
649
651
650
650
652
652
650
654
654
648
640
651
647
646
647
652
654
653
655
653
651
654
652
656
656
654
652
655
654
655
654
652
654
650
647
653
651
651
647
652
643
647
651
650
651
651
651
653
651
648
654
650
647
653
650
650
656
657
652
650
650
647
648
652
651
653
650
654
652
651
653
650
652
654
654
654
655
646
652
650
654
655
647
650
652
655
653
654
652
653
653
651
648
650
653
652
655
652
651
651
646
652
657
652
651
655
655
652
651
651
650
654
650
653
656
654
654
656
651
651
651
653
652
651
651
652
650
651
654
651
654
653
657
651
651
650
652
651
654
654
647
656
651
645
647
653
655
657
655
648
651
647
654
652
646
652
651
655
652
653
650
646
647
645
653
653
651
654
653
652
656
653
656
656
652
647
650
652
651
646
646
651
656
656
651
655
648
652
655
657
651
648
650
651
648
652
651
651
651
647
646
647
651
647
651
653
653
658
650
651
647
654
652
652
655
655
651
643
651
650
648
647
646
651
652
651
651
655
651
651
655
651
653
651
653
653
655
651
652
651
651
651
655
651
655
655
649
653
651
650
653
654
653
653
653
651
652
651
651
652
652
650
651
651
646
651
644
645
657
643
657
654
653
654
651
650
646
654
658
650
652
648
652
644
650
654
650
652
654
653
650
652
650
651
652
652
654
649
650
645
653
650
649
652
652
655
651
650
651
652
648
650
650
650
650
651
650
650
653
650
650
648
650
653
651
651
650
652
650
648
651
650
647
653
656
655
653
652
650
658
648
656
650
654
653
656
655
650
653
644
646
651
651
653
650
654
650
650
658
652
652
652
650
650
652
653
652
648
650
648
649
650
654
650
650
654
652
652
653
643
650
653
650
652
651
649
652
650
651
652
653
648
647
651
651
648
648
651
650
648
652
644
651
647
646
653
651
650
645
654
650
650
651
652
651
650
647
651
653
650
652
650
652
653
647
655
653
652
652
653
650
650
650
655
654
657
651
653
651
649
655
648
651
649
652
655
650
653
649
651
649
652
645
652
650
649
644
650
649
645
653
652
654
649
652
656
648
651
652
649
649
654
650
648
649
649
649
647
649
652
650
652
652
653
652
652
650
652
649
650
652
650
651
651
651
646
655
650
654
652
651
647
651
645
652
646
650
652
650
651
650
650
647
654
650
650
645
653
650
645
644
655
655
657
652
656
657
653
650
652
653
655
654
655
645
653
651
646
656
651
653
654
651
652
655
655
649
655
649
649
655
656
651
645
647
652
653
648
655
650
649
649
649
652
651
650
653
651
655
649
651
650
653
650
655
644
649
655
651
656
650
650
651
649
655
647
651
655
655
653
653
656
649
655
652
655
652
650
651
653
657
653
648
655
644
651
655
653
655
650
657
649
650
646
653
645
647
648
653
652
656
648
653
653
657
653
649
650
653
655
648
653
652
651
647
650
651
649
649
652
655
650
652
655
649
652
655
651
649
653
649
652
655
651
652
658
650
655
653
652
650
655
646
651
644
646
650
652
652
645
649
649
652
653
653
652
647
648
655
647
649
655
655
652
649
652
650
655
654
649
655
648
654
651
650
647
652
651
652
649
650
649
649
646
656
646
651
655
647
654
648
654
649
645
649
649
653
650
648
656
650
654
644
649
654
655
652
647
651
657
652
656
655
657
646
648
655
655
651
649
649
653
646
650
656
651
651
651
650
647
655
655
656
655
651
657
651
652
651
650
648
654
651
647
647
645
655
657
653
647
651
648
648
658
653
对“好”的回答一定要点个"赞",回答者需要你的鼓励!
已邀请:

xuling0688 (威望:7) (天津 和平区) 在校学生 员工 - Student

赞同来自:


正态分布一定是针对连续型分布的随机变量的, 因此很自然的是,当数据量增大时,
完全不同的数据的个数一定也要增加才行.
在你的数据中, 分辨的最小间隔是1 (相当于取整,忽略了全部小数),样本量小时问题
不突出,但你选了1100多个数据,但所有不同的数据组只有大约20组, 组数太少了!!!
1)如果所有数据真是实数型的,请加上一位小数,则会没问题了.
2)如果真的只能读到整数,没有小数,则此数据真的不是正态分布.
3)用MINITAB"正态检验"内另两种检验方法,对于此数据是接受为正态的.
可见,AD方法确实优于其它两种检验方法.

对于你的问题之所以可以很快给出判断,关键是你贴出了图.
想请教你,图是怎样贴上去的?

17 个回复,游客无法查看回复,更多功能请登录注册

发起人

扫一扫微信订阅<6SQ每周精选>