确定正态分布图所需的样本亲爱的 JMP，
我可以知道在我们实际使用以确定我们拥有的样本是否属于正态分布类别之前是否需要最少数量的样本。
我有 10 个数据的样本是否足以显示所有这些数据是否属于正态分布类别
指标
伊凡
回复：确定正态分布图所需的样本好的，马克，谢谢你的帮助回复：确定正态分布图所需的样本你没有做错任何事。 无论是否存在异常值，Dixon 检验结果都应该出现。 将异常值分析的自定义报告添加到分布平台的脚本部分（显然）与 JMP 5 不兼容。 我没有这个旧版本的 JMP，所以我既不能确认这个结论，也不能确定解决方法。 JMP 5 已有大约 15 年的历史。
回复：确定正态分布图所需的样本亲爱的马克，
我已经尝试了你的建议并且能够按照你在示例中显示的那样运行脚本。
但是当我运行分析时，我的分布图没有显示异常值分析，是因为没有异常值吗？
记录
伊凡
回复：确定正态分布图所需的样本从我给你的链接下载脚本。 打开数据表。 打开脚本。 运行脚本。 （多种方法：选择“编辑”>“运行脚本”，按 Ctrl-R (Windows) 或 Cmd-R (Macintosh)，单击工具栏中的“运行脚本”按钮，或在脚本编辑器中右键单击并选择“运行脚本.l”）现在您应该能够按照链接中提供的说明选择要分析的数据列并继续。
回复：确定正态分布图所需的样本嗨，马克，
抱歉，但我认为该脚本是在您的 jmp 版本中构建的，所以当我检查我的 jmp 版本时，我没有看到离群值测试函数，所以我假设我的版本没有它。 我对 JSL 功能还是陌生的。
这是我的数据的屏幕截图，但我没有在我的图中看到 Dixon 异常值测试摘要统计信息，这是什么原因？是否因为它表明我的分布中没有异常值
指标
伊凡
回复：确定正态分布图所需的样本为什么不？
与其猜测，你为什么不使用我提供的链接，阅读描述和说明，下载脚本，并用你的 9 个观察来尝试它们？ 你试过了吗？ 为什么它不起作用？
回复：确定正态分布图所需的样本亲爱的马克，
我想我无法使用 JMP 5 版本对这两个异常值进行测试
回复：确定正态分布图所需的样本我建议你使用离群值测试. 已经开发了许多测试具体污染过程. 我们对你们的污染过程一无所知，所以我们不能使用其中的一种测试。 我们必须退回到不太具体的测试之一。 您可以在 JMP 社区的文件交换区找到两个最流行的测试。 我在这里包含了他们两个的链接：
在使用其中任何一个进行解释和说明之前，请务必仔细阅读说明。
回复：确定正态分布图所需的样本是的，我想知道确定 2.2 是否来自与其他人口相同的最佳统计方法是什么，正常的分位数图应该做什么？回复：确定正态分布图所需的样本嗨，马克，
感谢您的快速响应，我想我最初的问题是 2.2 值是否来自与 2.3 相同的人群，我实际上根据我认为这两个组属于不同组的假设将它们分开。 解决这个问题的正确方法是什么，我可以说它们属于同一个正态分布吗？回复：确定正态分布图所需的样本您是在问单个值 (2.2) 是否来自同一人口？ 然后按照我最后的建议使用正态分位数图DS =低的观察。
你问的是团体=低的观察来自与其余相同的人口（团体=高的)? 然后使用吨-测试结果。
回复：确定正态分布图所需的样本你不能两者兼得。
使用正态分位数图分析 9 个观测值以确定极值是否为异常值是无效的如果您已经确定有两个关于均值参数的总体。 您不能以这种方式使用混合样本来得出有效结论。您必须评估潜在异常值仅有的来自同一总体的样本中的观察结果（样本大小为 3）。
有趣的是你的拟合优度测试才不是拒绝单一正态分布模型，但你的吨-测试拒绝了这两个组具有相同的均值。
无论如何，你必须不是既然您已确定有两个总体，请将 9 个观测值的分布分析为单个总体。 你应该分别地检查每个总体的正态分位数图。 您可以使用团体列中的经过分布启动对话框中的分析角色。
将观察结果分配给的依据是什么团体=低的或者团体=高的？
回复：确定正态分布图所需的样本嗨，马克，
再次感谢您的回复，这是我比较两组 DS 的方法，基本上我将 ~2.2 分组为一组，而高于 ~2.3 的分组为另一组，并执行 t 检验以比较平均值。 从t-test可以看出两者来自两个不同的人群。
这是我的分位数图，基于 shapiro wilk 检验，我可以说我的样本总体来自正态分布。
基于正常的分位数图，我可以说 2.2 与其他人来自同一人群吗？这是我需要回答的问题
预先感谢您的解释
回复：确定正态分布图所需的样本您使用什么进行“粗略估计”？ 为什么您认为此数据样本中有两个总体？
正态分位数图不表示两个总体。 也就是说，基于单一正态分布的模型似乎足够了：
您可以拟合基于两个正态分布的混合模型：
较好的型号是 -2L 最小的型号。 AICc 是一个更好的标准，因为它包括对过度拟合的惩罚。 AICc 计算为 -2L + 2k +2k(k+1)/(nk-1)，其中 k 是参数数量，n 是样本大小。 正态分布模型的 AICc 为 -24.0700125097119 + 2(2) + 2(2)(2+1)/(9-2-1) = −18.0700125097。 正态混合分布模型的 AICc 为 -24.0700125097119 + 2(6) + 2(6)(2+1)/(9-6-1) = 5.9299874903。
因此，基于 -2L 的简单比较会选择正态混合模型，惩罚标准很容易选择更简单的正态分布。
正态分位数图没有显示统计异常值的迹象。 如果您知道污染过程，则可以应用选择性异常值检测测试。 否则，您将不得不使用一般离群值测试。 在这种情况下，这样的测试并不重要。
回复：确定正态分布图所需的样本嗨，马克，
谢谢，我正在寻找的是我有一组 9 数据，如下所示。 从粗略估计，我可以看到有两个数据群体，即 ~ 2.3 和 ~ 2.2。 我想弄清楚2.2是否真的和2.3属于同一个正常人群。 换句话说，2.2 数据实际上是否与其余数据属于同一人群。
2.26
2.23
2.43
2.33
2.36
2.36
2.35
2.32
2.23
我可以做什么样的分析来确定这一点？正常的分位数图和夏皮罗威尔克测试是否足够
回复：确定正态分布图所需的样本适合正态分布模型（估计均值和标准差）并执行 Shapiro-Wilk 假设检验（H0：总体正常与 H1：总体不正常）的最小样本量为 2。
“实际用于确定”是什么意思？
您的问题可能与检验拒绝原假设的能力有关。 最小样本量 2 的功效很小。 不过，包括 JMP 在内的许多专家认为这个问题没有实际意义。 当您有足够的样本量来以相当高的功效检验正态性时，大多数流行统计或检验的正态性假设将得到满足，因为中心极限定理（这和随机变量是正态分布的随着样本量向无穷大增加）。
例如，单样本 t 检验的一个关键假设是样本均值服从正态分布. 如果数据总体呈正态分布，则样本均值呈正态分布。 因此，我们测试样本的正态性以确定总体的正态性。 如果样本未通过此正态性检验怎么办？ 如果人口不正常怎么办？ 好吧，这可能是个问题，也可能不是。 这取决于人口的偏度。
请记住，假设是关于样本均值的分布。 正态总体（数据）只是您可能获得正态分布样本均值的一种方式。 样本均值计算为观察值（即随机变量）的（加权）总和。 因此，如果样本量足够大，那么无论总体分布如何，这些样本均值都将足够正态，因此 t 检验的假设将有效。 同样，这取决于人口分布的偏度。
您可以根据偏度估计值计算 CLT 下正态性的最小样本量，也可以使用经验法则。 （一个流行的规则是至少 30 个样本量就足够了。）
最后，归结为使用您必须确定正态性的样本。
你为什么决定人口是否正常？ 什么是正态性假设？
