Allerdings macht der einen mehr Sinn als der andere...



Die folgenden Methoden dienen dazu, festzustellen, ob Ihre Daten einer Normalverteilung entsprechen.

Anderson-Darling-Test

In diesem Test wird untersucht, wie gut Ihre Daten mit einer theoretischen Normalverteilung übereinstimmen. Dabei wird die empirische kumulative Verteilungsfunktion (ECDF) Ihrer Stichprobe mit einer Normalverteilung verglichen. Wenn die Abweichungen zwischen den beiden Verteilungen zu groß sind, wird die Annahme einer Normalverteilung zurückgewiesen.

Ryan-Joiner-Test

Der Ryan-Joiner-Test prüft, wie stark Ihre Daten mit einer Normalverteilung korrelieren. Eine hohe Übereinstimmung der beiden Werte deutet auf Normalverteilung hin. Liegt der Korrelationswert jedoch unter einem bestimmten Schwellenwert, wird die Hypothese, dass Ihre Daten normalverteilt sind, abgelehnt. Dieser Test ähnelt dem Shapiro-Wilk-Test, der ebenfalls darauf abzielt, die Normalverteilung der Daten zu überprüfen.

Kolmogorov-Smirnov-Test

Beim Kolmogorov-Smirnov-Test wird untersucht, wie stark Ihre Daten von der Normalverteilung abweichen, indem die empirische kumulative Verteilungsfunktion (ECDF) Ihrer Daten mit einer Normalverteilung verglichen wird. Wenn die Differenz groß genug ist, wird die Hypothese der Normalverteilung verworfen. Ein p-Wert, der kleiner ist als das festgelegte α-Niveau, zeigt an, dass die Daten keine Normalverteilung aufweisen.



Es ist nicht sinnvoll, sich allein auf die Test der Normalverteilung zu verlassen.

Mister Asker