Jak ověřit normalitu vzorku? Jaká kritéria a vizuální metody znáte?

Kontrola normality vzorku je důležitá pro výběr správných statistických metod. Hlavní způsoby:

Kritéria (testy):

• Shapiro-Wilk: účinný pro malé vzorky.
• Kolmogorov-Smirnov: porovnává empirické rozdělení s normálním.
• Anderson-Darling: citlivější na konce rozdělení.
• D’Agostino: kontroluje asymetrii a špičatost.

Vizuální metody:

• Histogram: srovnání tvaru rozdělení s normální křivkou.
• Q-Q graf: body blízko přímky naznačují normalitu.
• Boxplot: odhaluje odlehlé hodnoty a asymetrii.

Příklad testu normality pomocí Shapiro-Wilk v Pythonu:

from scipy import stats

data = [1.2, 2.3, 2.1, 1.8, 2.5, 2.2]
stat, p = stats.shapiro(data)
if p > 0.05:
    print("Rozdělení je blízko normálnímu")
else:
    print("Rozdělení se liší od normálního")

Je důležité kombinovat statistické testy s vizuální analýzou, protože testy jsou citlivé na velikost vzorku.