报告偏态分布数据与正态分布数据？我参与了一项评估多组连续数值数据的研究。虽然重复次数被认为较低（每组 n=10），但本研究无法纠正这一问题。可能正因如此，一些原本可能呈正态分布的相关（性质相似）变量出现了偏态（基于 Shapiro-Wilk 检验）。在评估每种情况下各组间每个变量的结果时，我确实分别应用了非参数检验和参数检验，但我的问题是如何报告这些数据？我一直认为，偏态数据应报告为中位数和极差，而正态分布数据应报告为均值±标准差。然而，在稿件中报告偏态数据时，这种方法看起来很混乱，尤其是当变量性质相似时，例如左右解剖距离，正如我之前提到的。即使在某些情况下数据存在偏态，我是否可以在整个稿件中使用均值和标准差？我仍然会应用正确类型的统计检验。
分享和交流结果回复：报告偏态分布数据与正态分布数据？我认为这里没有“正确”或“错误”的答案。回想一下，均值和中位数只是衡量集中趋势的不同指标。标准差只是衡量离散度的一个指标。有什么理由不能同时引用均值和中位数吗？毕竟它们只是描述性统计数据。总之……我倾向于只展示频率分布本身，让读者根据图片本身来解读，而不是那些单数值的“统计数据”。
回复：报告偏态分布数据与正态分布数据？我同意Pete的观点。我想说，根据Shewhart（《经济控制》第94页）的观点，平均值和标准差始终都是有用的统计数据。在Shewhart书的这一部分，他继续指出，偏度和平坦度的测量值几乎没有什么额外的价值。
回复：报告偏态分布数据与正态分布数据？在其他领域，偏度可能也发挥着重要作用。
想想寿命、死亡率、犯罪率、流星……
- 一个方向的异常值比另一个方向的异常值更可怕。
回复：报告偏态分布数据与正态分布数据？你得跟休哈特争论。这些评论直接出自他的书。
回复：报告偏态分布数据与正态分布数据？嗯，不容易……
在 Copilot 的帮助下：
本着 JMP 精神的回应:)
我必须承认，我们已经偏离了最初的问题……
回复：报告偏态分布数据与正态分布数据？我喜欢它。这恰恰证明了人工智能有多么错误。“特殊原因”和“共同原因”这两个词是戴明提出的。休哈特用“可分配”和“不可分配/偶然/随机”来描述它们。
回复：报告偏态分布数据与正态分布数据？谢谢，对！
“共同事业”一词是哈里·阿尔珀特于 1947 年创造的吗？
我不知道为什么 Shewhart 在回应中使用它。
也许他听到了这个新术语并发现它很有用。
回复：报告偏态分布数据与正态分布数据？"我不知道为什么休哈特在回应中使用它。”
他没有，这就是我的观点。你用某种人工智能来生成它认为休哈特会说的话，这是错的。请阅读戴明的《走出危机》第11章。
是的，阿尔珀特博士在谈论监狱暴乱时创造了这个短语。
回复：报告偏态分布数据与正态分布数据？我想那句古老的统计学谚语“只要你说了算，就能做任何事”是真的！谢谢你让我确信我的建议是可以接受的。
