Hoe controleer je de normaliteit van een steekproef? Welke criteria en visuele methoden ken je?

Het controleren van de normaliteit van de steekproef is belangrijk voor het kiezen van de juiste statistische methoden. De belangrijkste manieren:

Criteria (testen):

• Shapiro-Wilk: effectief voor kleine steekproeven.
• Kolmogorov-Smirnov: vergelijkt de empirische verdeling met de normale verdeling.
• Anderson-Darling: gevoeliger voor de uiteinden van de verdeling.
• D’Agostino: controleert scheefheid en kurtosis.

Visuele methoden:

• Histogram: vergelijking van de vorm van de verdeling met de normale klok.
• Q-Q plot: punten dicht bij de rechte lijn wijzen op normaliteit.
• Boxplot: identificeert uitschieters en asymmetrie.

Voorbeeld van normaliteitstest met Shapiro-Wilk in Python:

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("Verdeling is dicht bij normaal")
else:
    print("Verdeling wijkt af van normaal")

Het is belangrijk om statistische tests te combineren met visuele analyse, omdat tests gevoelig zijn voor de grootte van de steekproef.