Valuta un modello di distribuzione normale

Usa un test e un grafico di probabilità per verificare se un modello normale sia ragionevole per un campione.

Guide · Statistica di base · 4 min di lettura

I comandi dell’app, gli identificatori dei fogli dati e i valori dei dati di esempio conservano la forma originale. Screenshot, grafici e file da scaricare sono in inglese. Gli esempi mantengono il punto decimale e la virgola come separatore delle migliaia della notazione inglese originale; i prezzi e i conteggi del sito seguono invece la formattazione italiana.

Esempio: forze di inserimento dei connettori

80 connettori diversi; una misura positiva della forza di inserimento per ciascuno.

Scarica i dati di esempio (CSV)

È lo stesso esempio usato in Help. Importa il CSV per seguire i passaggi oppure usa Open example in a practice copy in Help per precompilare i dati in ingresso.

1. Crea l’ambiente di lavoro

Nella barra laterale, apri Basic Statistics e scegli Normality. Crea un’analisi, assegnale un nome, seleziona New blank worksheet, quindi scegli Create analysis.

2. Importa i dati di esempio

Scarica il CSV qui sopra e importalo nel foglio dati. Scegli Comma come delimitatore, Dot come separatore decimale e First row contains column names.

3. Assegna la colonna in ingresso

Nella scheda Inputs, assegna insertion_force_n a Variable.

4. Imposta il test e il grafico

In Normality tests, seleziona Anderson–Darling e lascia Shapiro–Wilk e Kolmogorov–Smirnov deselezionati. Inserisci 0.05 in Significance level (α).

Apri Transformation options e scegli None per Transformation. Apri Plot options. Seleziona Normal probability plot e Show confidence bounds, poi inserisci 95 in Confidence level (%).

Normality: Scheda Inputs con gli abbinamenti e le impostazioni dell’esempio
Scheda Inputs con le colonne e le impostazioni dell’esempio prima di eseguire l’analisi. Visualizza l’immagine a grandezza originale (si apre in una nuova scheda)

5. Esegui l’analisi

Scegli Run analysis, quindi apri Results.

6. Interpreta i risultati

  1. Individua la domanda sul modello

    Il campione contiene 80 connettori diversi, con una lettura di forza per ciascuno e nessun valore mancante. La media è circa 37.11 N e SD 7.48 N. La domanda riguarda la distribuzione della forza, non se i valori di forza rispettino un requisito.

  2. Leggi il grafico di probabilità

    La parte centrale del campione tracciato segue abbastanza da vicino la retta stimata. Il gruppo di forze più basse intorno a 26 N cade sotto di essa, quindi esamina quella coda insieme alle registrazioni del campionamento. Ogni punto è una forza ordinata; i limiti al 95% descrivono l’incertezza del grafico, non limiti accettabili di forza. Leggi questo andamento insieme al test, che non dimostra la normalità.

    Grafico di probabilità normale dei dati originali
    Forza di inserimento in N rispetto alle posizioni percentuali del modello normale; esamina la coda delle forze più basse oltre al centro. Visualizza il grafico a grandezza originale (si apre in una nuova scheda)
  3. Leggi il test

    Anderson–Darling è 0.4914 e p = 0.2132. Al livello del 5%, i dati del campione non portano a rifiutare un modello normale. Non è una prova di normalità né una garanzia sulle forze rare nelle code.

  4. Scegli l’analisi successiva

    Leggi insieme grafico, metodo di campionamento e contesto del processo. Un modello normale può essere utile per l’inferenza successiva se le sue ipotesi sono adatte al compito; controlla con cura le code quando contano gli esiti rari.

Altri dettagli: leggi ogni sezione dei risultati

Le tabelle complete dei risultati usano sei cifre significative, come in Help.

Test di normalità

Test identifica Anderson–Darling. Statistica misura lo scostamento dalla distribuzione normale stimata; il p-value valuta lo scostamento secondo il modello del test. α è la soglia 0.05. La decisione è Non rifiutare; non significa che il modello sia stato dimostrato.

Test di normalità · 1 riga
TestStatisticap-valueαDecisione
Anderson–Darling0.4914380.2132230.05Non rifiutare

Statistiche campionarie

Osservazioni non mancanti e mancanti documentano la copertura. Media, Mediana, Minimo e Massimo descrivono la forza in N; Deviazione standard descrive la dispersione in N. Sono statistiche campionarie, non tolleranze tecniche.

Statistiche campionarie · 7 righe
StatisticaValore
Osservazioni non mancanti80
Osservazioni mancanti0
Media37.1137
Deviazione standard7.47904
Minimo22.98
Mediana36.24
Massimo55.94

7. Crea un report

Conserva Normality tests, Sample statistics e il grafico di probabilità normale con i suoi limiti di confidenza. Includi l’unità di forza, l’impostazione senza trasformazione e la distinzione tra non rifiutare la normalità e dimostrarla.

Seleziona Add to report dall’esecuzione completata. Apri Choose individual items and advanced options per selezionare tabelle e grafici, quindi scegli Add to draft. Gli elementi nascosti restano nell’analisi salvata.

Assegna un nome al report e aggiungi lo scopo dello studio e la tua interpretazione. Seleziona Save, controlla Preview, quindi usa Export → Download HTML. L’esempio seguente contiene tutti i contenuti selezionati, compresi i risultati che occupano più di una schermata.

Questo report è stato generato nell’app ed è in inglese. Output originale completo di questo esempio di Help, incluse le tabelle, i grafici e le note delle esecuzioni pertinenti. I numeri dei report usano la precisione di visualizzazione dell’app. I grafici esportati sono statici. Sugli schermi stretti, scorri orizzontalmente i grafici e le tabelle larghi.
Visualizza il report di esempio: Valuta la forma delle forze di inserimento dei connettori

Usiamo Microsoft Clarity per comprendere come i visitatori usano questo sito, incluse registrazioni delle sessioni e mappe di calore. Puoi usare il sito web senza accettare gli strumenti di analisi.

La tua scelta viene salvata in questo browser per sei mesi. Informativa sulla privacy

Scelta attuale: Nessuna scelta.