確定正態分佈圖所需的樣本親愛的 JMP，
我可以知道在我們實際使用以確定我們擁有的樣本是否屬於正態分佈類別之前是否需要最少數量的樣本。
我有 10 個數據的樣本是否足以顯示所有這些數據是否屬於正態分佈類別
指標
伊凡
回复：確定正態分佈圖所需的樣本好的，馬克，謝謝你的幫助回复：確定正態分佈圖所需的樣本你沒有做錯任何事。 無論是否存在異常值，Dixon 檢驗結果都應該出現。 將異常值分析的自定義報告添加到分佈平台的腳本部分（顯然）與 JMP 5 不兼容。 我沒有這個舊版本的 JMP，所以我既不能確認這個結論，也不能確定解決方法。 JMP 5 已有大約 15 年的歷史。
回复：確定正態分佈圖所需的樣本親愛的馬克，
我已經嘗試了你的建議並且能夠按照你在示例中顯示的那樣運行腳本。
但是當我運行分析時，我的分佈圖沒有顯示異常值分析，是因為沒有異常值嗎？
指標
伊凡
回复：確定正態分佈圖所需的樣本從我給你的鏈接下載腳本。 打開數據表。 打開腳本。 運行腳本。 （多種方法：選擇“編輯”>“運行腳本”，按 Ctrl-R (Windows) 或 Cmd-R (Macintosh)，單擊工具欄中的“運行腳本”按鈕，或在腳本編輯器中右鍵單擊並選擇“運行腳本.l”）現在您應該能夠按照鏈接中提供的說明選擇要分析的數據列並繼續。
回复：確定正態分佈圖所需的樣本嗨，馬克，
抱歉，但我認為該腳本是在您的 jmp 版本中構建的，所以當我檢查我的 jmp 版本時，我沒有看到離群值測試函數，所以我假設我的版本沒有它。 我對 JSL 功能還是陌生的。
這是我的數據的屏幕截圖，但我沒有在我的圖中看到 Dixon 異常值測試摘要統計信息，這是什麼原因？是否因為它表明我的分佈中沒有異常值
指標
伊凡
回复：確定正態分佈圖所需的樣本為什麼不？
與其猜測，你為什麼不使用我提供的鏈接，閱讀描述和說明，下載腳本，並用你的 9 個觀察來嘗試它們？ 你試過了嗎？ 為什麼它不起作用？
回复：確定正態分佈圖所需的樣本親愛的馬克，
我想我無法使用 JMP 5 版本對這兩個異常值進行測試
回复：確定正態分佈圖所需的樣本我建議你使用離群值測試. 已經開發了許多測試具體污染過程. 我們對你們的污染過程一無所知，所以我們不能使用其中的一種測試。 我們必須退回到不太具體的測試之一。 您可以在 JMP 社區的文件交換區找到兩個最流行的測試。 我在這裡包含了他們兩個的鏈接：
在使用其中任何一個進行解釋和說明之前，請務必仔細閱讀說明。
回复：確定正態分佈圖所需的樣本是的，我想知道確定 2.2 是否來自與其他人口相同的最佳統計方法是什麼，正常的分位數圖應該做什麼？回复：確定正態分佈圖所需的樣本嗨，馬克，
感謝您的快速響應，我想我最初的問題是 2.2 值是否來自與 2.3 相同的人群，我實際上根據我認為這兩個組屬於不同組的假設將它們分開。 解決這個問題的正確方法是什麼，我可以說它們屬於同一個正態分佈嗎？回复：確定正態分佈圖所需的樣本您是在問單個值 (2.2) 是否來自同一人口？ 然後按照我最後的建議使用正態分位數圖DS =低的觀察。
你問的是團體=低的觀察來自與其餘相同的人口（團體=高的)? 然後使用噸-測試結果。
回复：確定正態分佈圖所需的樣本你不能兩者兼得。
使用正態分位數圖分析 9 個觀測值以確定極值是否為異常值是無效的如果您已經確定有兩個關於均值參數的總體。 您不能以這種方式使用混合樣本來得出有效結論。您必須評估潛在異常值僅有的來自同一總體的樣本中的觀察結果（樣本大小為 3）。
有趣的是你的擬合優度測試才不是拒絕單一正態分佈模型，但你的噸-測試拒絕了這兩個組具有相同的均值。
無論如何，你必須不是既然您已確定有兩個總體，請將 9 個觀測值的分佈分析為單個總體。 你應該分別地檢查每個總體的正態分位數圖。 您可以使用團體列中的經過分佈啟動對話框中的分析角色。
將觀察結果分配給的依據是什麼團體=低的或者團體=高的？
回复：確定正態分佈圖所需的樣本嗨，馬克，
再次感謝您的回复，這是我比較兩組 DS 的方法，基本上我將 ~2.2 分組為一組，而高於 ~2.3 的分組為另一組並執行 t 檢驗以比較平均值。 從t-test可以看出兩者來自兩個不同的人群。
這是我的分位數圖，基於 shapiro wilk 檢驗，我可以說我的樣本總體來自正態分佈。
基於正常的分位數圖，我可以說 2.2 與其他人來自同一人群嗎？這是我需要回答的問題
預先感謝您的解釋
回复：確定正態分佈圖所需的樣本您使用什麼進行“粗略估計”？ 為什麼您認為此數據樣本中有兩個總體？
正態分位數圖不表示兩個總體。 也就是說，基於單一正態分佈的模型似乎足夠了：
您可以擬合基於兩個正態分佈的混合模型：
較好的型號是 -2L 最小的型號。 AICc 是一個更好的標準，因為它包括對過度擬合的懲罰。 AICc 計算為 -2L + 2k +2k(k+1)/(nk-1)，其中 k 是參數數量，n 是樣本大小。 正態分佈模型的 AICc 為 -24.0700125097119 + 2(2) + 2(2)(2+1)/(9-2-1) = −18.0700125097。 正態混合分佈模型的 AICc 為 -24.0700125097119 + 2(6) + 2(6)(2+1)/(9-6-1) = 5.9299874903。
因此，基於 -2L 的簡單比較會選擇正態混合模型，懲罰標準很容易選擇更簡單的正態分佈。
正態分位數圖沒有顯示統計異常值的跡象。 如果您知道污染過程，則可以應用選擇性異常值檢測測試。 否則，您將不得不使用一般離群值測試。 在這種情況下，這樣的測試並不重要。
回复：確定正態分佈圖所需的樣本嗨，馬克，
謝謝，我正在尋找的是我有一組 9 數據，如下所示。 從粗略估計，我可以看到有兩個數據群體，即 ~ 2.3 和 ~ 2.2。 我想弄清楚2.2是否真的和2.3屬於同一個正常人群。 換句話說，2.2 數據實際上是否與其餘數據屬於同一人群。
2.26
2.23
2.43
2.33
2.36
2.36
2.35
2.32
2.23
我可以做什麼樣的分析來確定這一點？正常的分位數圖和夏皮羅威爾克測試是否足夠
回复：確定正態分佈圖所需的樣本適合正態分佈模型（估計均值和標準差）並執行 Shapiro-Wilk 假設檢驗（H0：總體正常與 H1：總體不正常）的最小樣本量為 2。
“實際用於確定”是什麼意思？
您的問題可能與檢驗拒絕原假設的能力有關。 最小樣本量 2 的功效很小。 不過，包括 JMP 在內的許多專家認為這個問題沒有實際意義。 當您有足夠的樣本量來以相當高的功效檢驗正態性時，大多數流行統計或檢驗的正態性假設將得到滿足，因為中心極限定理（這和隨機變量是正態分佈的隨著樣本量向無窮大增加）。
例如，單樣本 t 檢驗的一個關鍵假設是樣本均值服從正態分佈. 如果數據總體呈正態分佈，則樣本均值呈正態分佈。 因此，我們測試樣本的正態性以確定總體的正態性。 如果樣本未通過此正態性檢驗怎麼辦？ 如果人口不正常怎麼辦？ 好吧，這可能是個問題，也可能不是。 這取決於人口的偏度。
請記住，假設是關於樣本均值的分佈。 正態總體（數據）只是您可能獲得正態分佈樣本均值的一種方式。 樣本均值計算為觀察值（即隨機變量）的（加權）總和。 因此，如果樣本量足夠大，那麼無論總體分佈如何，這些樣本均值都將足夠正態，因此 t 檢驗的假設將有效。 同樣，這取決於人口分佈的偏度。
您可以根據偏度估計值計算 CLT 下正態性的最小樣本量，也可以使用經驗法則。 （一個流行的規則是至少 30 個樣本量就足夠了。）
最後，歸結為使用您必須確定正態性的樣本。
你為什麼決定人口是否正常？ 什麼是正態性假設？
