[求助]根据这个结果，如何判断该变量的正态分布性？？？？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

<p>如图。</p><p>用Kolmogorov-Smirnov 方法检验，变量K Sig=0.20>0.05，所以接受正态分布假设。用Shapiro-Wilk方法检验，Sig=0.001<0.05，所以不接受正态分布假设。</p><p>到底该变量符不符合正态分布？？？？</p><p></p><p> </p><p>单样本K-S检验结果图：<br/> </p><p>P-P图：<br/> </p><p>直方图和正态分布曲线图：<br/> <br/></p><p>请各位赐教！！！！！！！！先谢谢了。</p>

[此贴子已经被作者于2008-9-24 16:37:43编辑过]

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏2 回帖

关键词：正态分布 kolmogorov 单样本K-S检验 smirnov shapiro 正态分布 曲线图 直方图 如何 样本

楼主，进行正态检验这两种方法都可以，但注意 应用 条件：

1、当样本数 n>2000时，用Kolmogorov-Smirnov 方法；

2、当样本数n<=2000时，用Shapiro-Wilk 方法。

你给出的样本数 n=415<2000,所以应当采用 Shapiro-Wilk 。

楼主如果还有其他疑问，不妨再查阅一下有关资料。

哦，谢谢！！！！！太感谢你了。。。。

我是初学者，像你说的那一点，我在资料上好像还没有明确的看到啊。。。

好像好多资料上都直接拿过来用，但是他们举例子的样本量一般都很难超过50，所以。。。。

你这么一说，我就明白了。

还有一点不甚明白啊，为什么不是正态分布，得出的P-P散点图怎么会都那么接近于参考线呢？？？？

对于正态性检验，尤其是 小样本情况下，有时只能得出近似的结论，完全理论上绝对的正态是不存在的，现举例如下：

（ststa 程序，仅作参考：

. input x

             x
  1. 1
  2. 2
  3. 3
  4. 4
  5. 5
  6. 6
  7. 7
  8. 8
  9. 9
 10. end

(上以变量是1 2 3...9等共 9个数字，前面的数这系统自动加上的记录号，直观感觉，这9个数字不可能是正态分布的。）

请看程序正态检验的结果——两种方法都是正态，并切检验的P－值均远大于0.05!

. swilk x （笔者注：此即 Shapiro-Wilk 正态检验命令。）

                   Shapiro-Wilk W test for normal data
    Variable |    Obs        W          V          z     Prob>z
-------------+-------------------------------------------------
           x |      9    0.97229      0.407     -1.363  0.91356

. sktest x （笔者注：此即 Skewness/Kurtosis 正态检验命令。）

                   Skewness/Kurtosis tests for Normality
                                                 ------- joint ------
    Variable |  Pr(Skewness)   Pr(Kurtosis)  adj chi2(2)    Prob>chi2
-------------+-------------------------------------------------------
           x |      1.000         0.364            0.89       0.6394

所以，当样本n很大时（经验上取n>30)，可不必太介意正态性问题。也就是说，总体是否严格服从正态分布，并不影响结论的正确性。

哦，看样我是钻到牛角尖去了。。。谢谢你的耐心指导！！！

LZ不必太客气，你提出的问题对我来说也是一次很好的学习机会，谢谢！

对于你的赐教，我已经提交，希望你能得到奖励！

算是感谢你的方式！

LZ太客气了，小弟也是刚刚入门，可能也只是一家之言，如有不当之处还请指正，谢谢！

学习了，收藏了，谢谢