分销平台你好，
需要一些建议。
我使用分发平台来检查最适合我的数据。 我想知道，如果我们将非正态分布假设为正态分布，是否有任何方法可以检查引入的误差水平（集中趋势和方差）。
分析回复：分发平台你好@比利,
我知道您想通过假设数据真正来自非正态分布时的正态分布来理解“错误级别”。 那是对的吗？这是一个有趣的问题。
我能问一下你为什么要这样做吗？ 您是否有需要这样做的真实情况并且可以告诉我们？
我不确定您的示例中的数据是如何生成的 - 也许这是来自一个真实的过程？ 但是您的比较分布分析表明对数正态分布可能是最佳分布。
话虽如此，Gamma 分布和正态分布具有相似的 AICc。 AICc 是拟合优度的度量，我们通常说 AICc 小于 2 的差异不显着。
所以这表明，在这种情况下，如果分布真的是对数正态分布，那么假设正态分布的位置/尺度/集中趋势和分散/形状/方差的“误差水平”将很小。 您可以从图中的拟合分布中看到这一点 - 它们几乎无法区分（尤其是因为它们是相似的颜色！）。
这有帮助吗？ 您是否有一种特定的方法可以量化“错误级别”？ 您如何知道什么是“正确”分布，然后才能查看假设“不正确”正态分布的错误？
菲尔
回复：分发平台您可能会发现有用的另一个想法是每个拟合分布的红色小三角菜单中的分位数刻画器。 您可以使用这些来比较分位数。 您可以在下方看到每个分布的中位数（概率 = 0.5）和第 10 个百分位数（概率 = 0.1）估计值。 同样，这表明分布之间的差异可以忽略不计。
