使用正态分布的预测建模快问。我创造了一个模型，使用excels正态分布函数预测轻量级吹拂和超重产品。该模型的目的是为分配中的各类产品分配成本（即重量轻，目标低，目标高，目标高，重吹）。正如函数所暗示的，模型使用正态分布函数，当然假设数据集来自正态分布的过程。我的问题与JMP在评估数据时给出的结果有关，看它是否为“正常”。
当我获取该行的样本，形成子组并聚合数据时，JMP支持该过程为“正常”的结论。然而，当我查看来自我们的X射线系统的数据时，扫描每个Xi，从而让我可以访问群体，JMP会让我拒绝正常分布。
这是经常发生的事吗？我怀疑这个问题与数据文件的大小有关。当对线进行采样时，我通常会拉出25个10个子组，而任何特定的群体将由600K到150万个单位组成。在您看来，除了知道我的意思会随着时间的推移而改变所有这一切，使用我的模型是否安全或者我应该重新考虑？
Re：使用正态分布的预测建模嗨，mmeewes！
你的问题的答案不是那么快或直截了当。
像Gauss，Pearson，Bessel，Huber，Hampel和Tukey这样的泰坦都注意到现实世界的数据几乎都不是严格正常的......他们似乎最常像一个2到10个自由度的学生分布。 这意味着真实世界的发行版是platykurtic，其中尾部比Normal更重。
根据您聚合数据的方式，中心限制定理可能会抛出Normality骨骼。
由于为各种类别的产品分配成本似乎涉及评估分布尾部的观测概率，我认为基于正态分布丢弃模型更安全，并且可能探索经验方法。
祝好运。
