Libreng Calculator ng Editverse
Pagsubok sa Normalidad (Shapiro-Wilk)
Subukan kung ang iyong datos ay kapani-paniwalang nagmula sa isang normal na distribusyon bago ka pumili ng parametric test, kasama ang eksaktong utos na R sa likod ng resulta. Ang isang kumpletong gabay ay nasa ibaba. Na-validate laban sa R 4.3.3.
Sa Simpleng Salita
Bago magsagawa ng t-test, ANOVA, o Pearson correlation, makakatulong na malaman kung ang iyong datos ay halos normal ang distribusyon — dahil ang lahat ng tatlong pagsubok na iyon ay nakasalalay sa palagay na iyon upang maging ganap na mapagkakatiwalaan. Pinapatakbo ng calculator na ito ang Shapiro-Wilk test, ang pinakalawak na ginagamit na pormal na normality test, at ibinabalik ang W statistic at p-value na may skewness, excess kurtosis at isang histogram na may fitted normal curve upang biswal na masuri.
Ang isang maliit na p-value (karaniwan ay mas mababa sa 0.05) ay nagmumungkahi na ang iyong data ay lumihis mula sa normalidad; ang isang mas malaking p-value ay nangangahulugan na ang pagsubok ay walang nakitang matibay na ebidensya laban sa normalidad — na hindi katulad ng patunay na ang iyong data ay normal.
Kailan Gagamit ng Pagsubok sa Normalidad
Magpatakbo ng normality test tuwing nagpapasya ka sa pagitan ng isang parametric test at ng non-parametric alternative nito — halimbawa, isang paired t-test laban sa isang Wilcoxon signed-rank test, o one-way ANOVA laban sa isang rank-based comparison sa tatlo o higit pang grupo. Mahalaga ring patakbuhin ito bago ang Pearson correlation, dahil ang r ni Pearson ay nagpapalagay ng halos normal na mga variable.
Saklaw ng Correlation calculator ang parehong Pearson's r at ang alternatibong nakabatay sa ranggo nito, ang Spearman's rho, kaya maaari kang lumipat kapag alam mo na kung alin ang sinusuportahan ng iyong data. At kung ang iyong mga grupo ay malinaw na nabigo sa normality, ang paghahambing ng grupo batay sa ranggo — sa halip na one-way ANOVA — ay karaniwang mas ligtas na ruta.
Inaasahang format: Mga Halaga
Maglagay ng CSV dito o i-click para pumili. Na-parse sa iyong browser: walang na-upload.
Inaasahang format: Mga Halaga
x <- c({data}) shapiro.test(x)gabay sa paggamit
Kailan gagamitin. Suriin kung ang datos ay kapani-paniwalang nagmumula sa isang normal na distribusyon bago pumili ng isang parametric test.
Mga pagpapalagay. Tuloy-tuloy na datos; n sa pagitan ng 3 at 5000 para sa Shapiro-Wilk.
Mga karaniwang pagkakamali. Ang p > 0.05 ay hindi nagpapatunay ng normalidad: palaging siyasatin din ang histogram at QQ plot.
Nagtrabahong halimbawa
I-click ang Mag-load ng halimbawang datos sa itaas, pagkatapos ay ang Run Analysis upang makita ang ganap na resulta na may pigura, pormula, at interpretasyon para sa pagsusulit na ito.
Mga sanggunian
- Shapiro SS, Wilk MB. Isang pagsusuri ng variance test para sa normalidad. Biometrika. 1965;52:591-611.
Mga Nagtrabahong Halimbawa
Halimbawa 1: Isang Maliit na Tuloy-tuloy na Sample
Sampung sukat: 23.1, 25.4, 22.8, 24.0, 26.1, 23.5, 24.8, 25.0, 22.5, 24.3. Ang mga halaga ay medyo mahigpit na nagtitipon sa pagitan ng mababa hanggang kalagitnaan ng dekada bente nang walang halatang mahabang buntot o matinding outlier — ang uri ng pattern na kadalasan (bagaman hindi palaging) nagbabalik ng Shapiro-Wilk p-value na mas mataas sa 0.05. Ilagay ang mga halaga sa calculator upang makuha ang aktwal na istatistika ng W at p-value para sa sample na ito, kasama ang histogram.
Halimbawa 2: Pagbasa ng Output
shapiro.test() Nagbabalik ng estadistikang W (mas malapit sa 1 ay nagpapahiwatig ng mas malapit na tugma sa normalidad) at isang p-value. Sa isang QQ plot (qqnorm(x) sa R), ang mga puntong yumayakap sa diagonal reference line ay sumusuporta sa normalidad; ang isang sistematikong kurba o hugis-S sa mga punto ay nagmumungkahi ng skew o mas mabigat kaysa sa normal na mga buntot — na dapat tingnan nang biswal kahit na ang p-value lamang ay mukhang nakakasiguro.
Mga Pagpapalagay na Susuriin
Tuloy-tuloy na datos. Ang Shapiro-Wilk ay dinisenyo para sa mga tuloy-tuloy na pagsukat, hindi para sa mga bilang o kategorya.
Laki ng sample sa pagitan ng 3 at 5,000. Ang Shapiro-Wilk test ay balido lamang sa saklaw na ito; para sa napakalaking sample, ang biswal na inspeksyon ng histogram ay nagiging mas nakapagbibigay-kaalaman kaysa sa p-value lamang.
Mga malayang obserbasyon. Ang bawat halaga ay dapat magmula sa isang malayang pagbunot — ang paulit-ulit na pagsukat sa parehong paksa ay maaaring magpabago sa pagsusuri.
Karaniwang Pagkakamali
Pagtrato sa p > 0.05 bilang patunay ng normalidad
Ang malaking p-value ay nangangahulugan lamang na ang pagsubok ay hindi nakakita ng paglihis mula sa normalidad; hindi nito pinatutunayan na ang iyong datos ay normal, lalo na sa maliliit na sample kung saan limitado ang kapangyarihan ng pagsubok. Palaging siyasatin din ang histogram at QQ plot.
Labis na pag-asa sa pagsubok sa malalaking sample
Sa napakalaking mga sample, maaaring markahan ni Shapiro-Wilk ang maliliit na paglihis mula sa normalidad bilang makabuluhan sa istatistika. Ang visual na inspeksyon ay kadalasang mas mahalaga kaysa sa p-value kapag ang n ay malaki.
Pagsubok sa hilaw na resulta sa halip na sa mga natira
Para sa regression at ANOVA, ang talagang kailangang maging humigit-kumulang normal ay ang mga residual ng modelo, hindi kinakailangang ang raw outcome variable nang mag-isa, kaya ilagay ang mga residual dito. Para sa isang two-sample t-test, subukan ang mga raw value ng bawat grupo nang hiwalay; para sa isang paired t-test, subukan ang mga paired difference.
Paglaktaw nang tuluyan sa tseke
Ang pagpili ng t-test o ANOVA nang hindi sinusuri ang normality ay nagdudulot ng hindi maaasahang p-value kapag ang sample ay maliit at kitang-kitang hindi pantay. Ang isang mabilis na pagsasagawa ng Shapiro-Wilk kasama ang pagtingin sa histogram ay tatagal lamang ng isang minuto.
Mga Madalas Itanong
Ano ang ibig sabihin ng estadistika ng Shapiro-Wilk W?
Sinusukat nito kung gaano kalapit ang pagkakatugma ng hugis ng sample sa isang normal na distribusyon; ang mga halagang mas malapit sa 1 ay nagpapahiwatig ng mas mahusay na tugma. Ito ay nilalayong basahin kasama ng p-value, hindi nang mag-isa.
Ano ang dapat kong gawin kung ang aking datos ay hindi pumasa sa normality test?
Isaalang-alang ang isang alternatibong hindi parametriko para sa pagsusuring iyong pinaplano, gamitin ang Spearman's correlation sa halip na Pearson's sa pamamagitan ng Correlation calculator , o maglapat ng isang transformasyon (tulad ng isang log transform) kung naaangkop iyon para sa iyong datos.
Ang Shapiro-Wilk ba ang tanging pagsubok sa normalidad?
Hindi — ang mga pagsubok na Kolmogorov-Smirnov at Anderson-Darling ay mga karaniwang alternatibo — ngunit ang Shapiro-Wilk sa pangkalahatan ay may mahusay na kapangyarihan para sa maliliit hanggang katamtamang laki ng sample, kaya naman ito ang pagsubok na pinapatakbo ng calculator na ito.
Kailangan ko bang maging ganap na normal ang aking datos para makapagpatakbo ng t-test?
Hindi. Ang mga t-test at ANOVA ay medyo matatag hanggang sa bahagyang paglihis mula sa normalidad, lalo na sa mas malalaking sample. Ang isang nabigong normality test ay isang senyales upang mas masusing tingnan, hindi isang awtomatikong diskwalipikasyon.
Mga Kaugnay na Calculator
Mga sanggunian
- Shapiro SS, Wilk MB. Isang pagsusuri ng variance test para sa normalidad. Biometrika. 1965;52:591-611.
- D'Agostino RB, Stephens MA, mga patnugot. Mga Teknik ng Kabutihan sa Pagkakasya. New York: Marcel Dekker; 1986.
Kailangan Mo Bang Gawin ang Pagsusuring Ito para sa Iyong Manuskrito?
Sinusuri ng aming mga PhD biostatistician ang mga distributional assumption ng iyong data at pinipili ang tamang parametric o non-parametric test — mga talahanayan na handa nang ilathala na may reproducible R output.