Schnelle Frage. Ich habe ein Modell erstellt, das das Abblasen von Leichtgewicht und das Übergewicht mit normaler Verteilungsfunktion vorhersagt. Der Zweck dieses Modells besteht darin, den verschiedenen Produktkategorien in der Verteilung Kosten zuzuordnen (dh geringes Gewicht, unter dem Ziel, auf das Ziel, über das Ziel, starker Abbruch). Wie die Funktion impliziert, verwendet das Modell die Normalverteilungsfunktion, die natürlich davon ausgeht, dass der Datensatz von einem normal verteilten Prozess stammt. Meine Frage hat mit den Ergebnissen zu tun, die mir JMP liefert, wenn ich die Daten auswerte, um zu sehen, ob sie "Normal" sind.
Wenn ich Stichproben der Linie nehme, Untergruppen bilde und die Daten zusammenfasse, lässt JMP die Schlussfolgerung zu, dass der Prozess "Normal" ist. Wenn ich mir jedoch die Daten unseres Röntgensystems ansehe, das jedes Xi scannt und mir dadurch Zugang zur Bevölkerung verschafft, würde JMP mir die Normalverteilung ablehnen.
Ist das etwas, was oft passiert? Ich vermute, das Problem hat mit der Größe der Dateien zu tun. Bei der Bemusterung der Linie ziehe ich normalerweise 25 Untergruppen von 10, während jede Population aus 600.000 bis 1,5 Millionen Einheiten bestehen würde. Abgesehen davon, dass sich mein Mittelwert mit der Zeit ändert, ist es Ihrer Meinung nach auch sicher, dass ich mein Modell in Zukunft verwenden kann, oder sollte ich es noch einmal überdenken?
Hi, Mmeewes!
Die Antwort auf Ihre Frage ist nicht so schnell oder unkompliziert.
Titanen wie Gauß, Pearson, Bessel, Huber, Hampel und Tukey haben alle festgestellt, dass reale Daten kaum streng Normal sind ... Sie scheinen meistens einer Student-Verteilung mit 2 bis 10 Freiheitsgraden zu ähneln. Das bedeutet, dass Distributionen in der realen Welt platykurtisch sind, wobei die Schwänze schwerer als Normal sind.
Je nachdem, wie Sie Ihre Daten zusammenfassen, wirft Ihnen der zentrale Grenzwertsatz möglicherweise den Normalitätsknochen zu.
Da bei der Zuordnung von Kosten zu verschiedenen Produktkategorien die Wahrscheinlichkeiten der Beobachtungen in den Verteilungslinien Ihrer Verteilung zu berücksichtigen scheinen, ist es meiner Meinung nach sicherer, das auf der Normalverteilung basierende Modell zu verwerfen und einen empirischen Ansatz zu untersuchen.
Viel Glück.
