Kako proveriti normalnost uzorka? Koje kriterijume i vizuelne metode poznajete?

Провера нормалности узорка важна је за избор исправних статистичких метода. Основни начини:

Критеријуми (тестови):

• Шапиро-Уилка: ефикасан за мале узорке.
• Колмогоров-Смирнов: пореди емпиријско распоређивање са нормалним.
• Андерсон-Дарлинг: осетљивији на крајеве распоређивања.
• Д’Агостино: провера асиметрије и ексцеса.

Визуелне методе:

• Хистограм: поређење облика распоређивања са нормалном кривом.
• Q-Q график: тачке близу праве линије указују на нормалност.
• Boxplot: открива изузетне вредности и асиметрију.

Пример провере нормалности помоћу Шапиро-Уилка у Python-у:

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("Расподела је близу нормалној")
else:
    print("Расподела се разликује од нормалне")

Важно је комбиновати статистичке тестове са визуелном анализом, јер су тестови осетљиви на величину узорка.