როგორ შემოწმოთ ნიმუშის ნორმალურობა? რა კრიტერიუმები და ვიზუალური მეთოდები იცით?

ნიმუშის ნორმალურობის შემოწმება მნიშვნელოვანია სწორი სტატისტიკური მეთოდების არჩევისთვის. ძირითადი მეთოდები:

კრიტერიუმები (ტესტები):

• Shapiro-Wilk: ეფექტურია მცირე ნიმუშებისთვის.
• Kolmogorov-Smirnov: შედარება ემპირიული განაწილება ნორმალურთან.
• Anderson-Darling: უფრო მგრძნობიარეა განაწილების ბოლოების მიმართ.
• D’Agostino: ამოწმებს ასიმეტრიას და კურტოზს.

ვიზუალური მეთოდები:

• Histogram: განაწილების ფორმის შედარება ნორმალურ განაწილებასთან.
• Q-Q გრაფიკი: წერტილები ახლოს სწორი ხაზთან მიუთითებს ნორმალობას.
• Boxplot: იპოვის გამონაკლის მნიშვნელობებს და ასიმეტრიას.

Python-ში Shapiro-Wilk-ის გამოყენებით ნორმალობის შემოწმების მაგალითი:

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("განაწილება ახლოსაა ნორმალურთან")
else:
    print("განაწილება განსხვავდება ნორმალურსგან")

საჭიროა სტატისტიკური ტესტების და ვიზუალური ანალიზის კომბინაცია, რადგან ტესტები მგრძნობიარეა ნიმუშის ზომაზე.