使用正態分佈的預測建模快問。我創造了一個模型，使用excels正態分佈函數預測輕量級吹拂和超重產品。該模型的目的是為分配中的各類產品分配成本（即重量輕，目標低，目標高，目標高，重吹）。正如函數所暗示的，模型使用正態分佈函數，當然假設數據集來自正態分佈的過程。我的問題與JMP在評估數據時給出的結果有關，看它是否為“正常”。
當我獲取該行的樣本，形成子組並聚合數據時，JMP支持該過程為“正常”的結論。然而，當我查看來自我們的X射線系統的數據時，掃描每個Xi，從而讓我可以訪問群體，JMP會讓我拒絕正常分佈。
這是經常發生的事嗎？我懷疑這個問題與數據文件的大小有關。當對線進行採樣時，我通常會拉出25個10個子組，而任何特定的群體將由600K到150萬個單位組成。在您看來，除了知道我的意思會隨著時間的推移而改變所有這一切，使用我的模型是否安全或者我應該重新考慮？
Re：使用正態分佈的預測建模嗨，mmeewes！
你的問題的答案不是那麼快或直截了當。
像Gauss，Pearson，Bessel，Huber，Hampel和Tukey這樣的泰坦都注意到現實世界的數據幾乎都不是嚴格正常的......他們似乎最常像一個2到10個自由度的學生分佈。 這意味著真實世界的發行版是platykurtic，其中尾部比Normal更重。
根據您聚合數據的方式，中心限制定理可能會拋出Normality骨骼。
由於為各種類別的產品分配成本似乎涉及評估分佈尾部的觀測概率，我認為基於正態分佈丟棄模型更安全，並且可能探索經驗方法。
祝好運。
