Visual inspection of the distributi

Visual inspection of the distribution may be used for assessing normality, although this approach is usually unreliable and does not guarantee that the distribution is normal (2, 3, 7). However, when data are presented visually, readers of an article can judge the distribution assumption by themselves (9). The frequency distribution (histogram), stem-and-leaf plot, boxplot, P-P plot (probability-probability plot), and Q-Q plot (quantile-quantile plot) are used for checking normality visually (2). The frequency distribution that plots the observed values against their frequency, provides both a visual judgment about whether the distribution is bell shaped and insights about gaps in the data and outliers outlying values (10). The stem-and-leaf plot is a method similar to the histogram, although it retains information about the actual data values (8). The P-P plot plots the cumulative probability of a variable against the cumulative probability of a particular distribution (e.g., normal distribution). After data are ranked and sorted, the corresponding z-score is calculated for each rank as follows: z = x - ᵪ̅ / s. This is the expected value that the score should have in a normal distribution. The scores are then themselves converted to z-scores. The actual z-scores are plotted against the expected z-scores. If the data are normally distributed, the result would be a straight diagonal line (2). A Q-Q plot is very similar to the P-P plot except that it plots the quantiles (values that split a data set into equal portions) of the data set instead of every individual score in the data. Moreover, the Q-Q plots are easier to interpret in case of large sample sizes (2). The boxplot shows the median as a horizontal line inside the box and the interquartile range (range between the 25 th to 75 th percentiles) as the length of the box. The whiskers (line extending from the top and bottom of the box) represent the minimum and maximum values when they are within 1.5 times the interquartile range from either end of the box (10). Scores greater than 1.5 times the interquartile range are out of the boxplot and are considered as outliers, and those greater than 3 times the interquartile range are extreme outliers. A boxplot that is symmetric with the median line at approximately the center of the box and with symmetric whiskers that are slightly longer than the subsections of the center box suggests that the data may have come from a normal distribution (8).

ผลลัพธ์ (ไทย) 1:

สามารถใช้ตรวจสอบภาพการกระจายสำหรับการประเมินแม้ ว่าวิธีการนี้มักจะไม่รับประกันว่า การแจกแจงแบบปกติ normality (2, 3, 7) อย่างไรก็ตาม เมื่อแสดงข้อมูลเห็น อ่านบทความสามารถตัดสินสมมติฐานการกระจาย ด้วยตัวเอง (9) การแจกแจงความถี่ (ฮิสโตแกรม), พล็อตก้าน และใบ boxplot พล็อต P -P (ความน่าเป็นความน่าเป็นพล็อต), และ Q-Q พล็อต (quantile quantile พล็อต) ใช้สำหรับตรวจสอบ normality เห็น (2) การกระจายความถี่ที่ค่าสังเกตกับความถี่ของการลงจุด คำพิพากษาแสดงว่าการกระจายเป็น รูประฆังและข้อมูลเชิงลึกเกี่ยวกับช่องว่างในข้อมูลและ outliers รอบนอกค่า (10) พล็อตก้าน และใบเป็นวิธีที่คล้ายกับฮิสโตแกรม แม้ว่ามันเก็บรักษาข้อมูลเกี่ยวกับค่าของข้อมูลจริง (8) P-P พล็อตลงจุดน่าเป็นสะสมของตัวแปรกับความน่าเป็นสะสมของแจกเฉพาะ (เช่น การแจกแจงปกติ) หลังจากข้อมูลถูกจัดอันดับ และการเรียงลำดับ คะแนน z ที่สอดคล้องกันถูกคำนวณสำหรับแต่ละตำแหน่งดัง: z = x - ᵪ̅ / s นี่คือค่าคาดหมายที่ควรมีการให้คะแนนในการแจกแจงปกติ คะแนนได้ แล้วตัวเองถูกแปลงเป็นคะแนน z Z-คะแนนจริงมีพล็อตกับคะแนน z ที่คาดไว้ ถ้าข้อมูลมีกระจายปกติ ผลลัพธ์จะเป็นเส้นทแยงมุมตรง (2) แผน Q Q จะคล้ายกับพล็อต P-P ยกเว้นว่าจะลงจุด quantiles (ค่าที่แยกชุดข้อมูลเป็นบางส่วนเท่า) ของชุดข้อมูลแทนทุกคะแนนที่แต่ละข้อมูล นอกจากนี้ โครงการ Q Q จะง่ายต่อการตีความในกรณีที่ขนาดตัวอย่างขนาดใหญ่ (2) แสดงเป็นเส้นแนวนอนภายในกล่องและช่วง interquartile boxplot มัธยฐาน (ช่วงระหว่าง 25 th ไป 75 th percentiles) เป็นความยาวของกล่อง หนวด (บรรทัดขยายจากด้านบนและด้านล่างของกล่องแสดงค่าต่ำสุด และสูงสุดเมื่อพวกเขาภายในเวลา 1.5 interquartile ช่วงจากการสิ้นสุดของตัวกล่อง (10) มากกว่า 1.5 เท่า interquartile ช่วงคะแนนจะอยู่ boxplot ถือเป็น outliers และที่มากกว่า 3 ครั้ง interquartile ช่วง outliers มาก Boxplot ที่สมมาตร กับแสกที่ประมาณกึ่งกลางของกล่อง และหนวดสมมาตรที่เล็กน้อยยาวกว่าส่วนย่อยของกล่องศูนย์ แนะนำว่า ข้อมูลอาจได้มาจากการแจกแจงปกติ (8)

ผลลัพธ์ (ไทย) 2:

การตรวจสอบภาพของการกระจายอาจจะใช้สำหรับการประเมินภาวะปกติแม้ว่าวิธีนี้มักจะไม่น่าเชื่อถือและไม่รับประกันว่าการกระจายเป็นปกติ (2, 3, 7) อย่างไรก็ตามเมื่อข้อมูลที่จะถูกนำเสนอสายตาผู้อ่านบทความที่สามารถตัดสินสมมติฐานการจัดจำหน่ายด้วยตนเอง (9) การกระจายความถี่ (กราฟ), ก้านและใบพล็อต Boxplot, PP พล็อต (น่าจะเป็นพล็อตน่าจะเป็น) และพล็อต QQ (พล็อต quantile-quantile) จะใช้สำหรับการตรวจสอบปกติท​​างสายตา (2) แจกแจงความถี่ที่แปลงค่าสังเกตกับความถี่ของพวกเขามีทั้งการตัดสินภาพเกี่ยวกับว่าการกระจายเป็นรูประฆังและข้อมูลเชิงลึกเกี่ยวกับช่องว่างในข้อมูลและค่าผิดปกติค่านอก (10) พล็อตก้านและใบเป็นวิธีการที่คล้ายกับแท่งแม้ว่ามันจะยังคงมีข้อมูลเกี่ยวกับค่าของข้อมูลที่เกิดขึ้นจริง (8) แปลง PP พล็อตน่าจะเป็นที่สะสมของตัวแปรกับความน่าจะเป็นที่สะสมของการกระจายโดยเฉพาะ (เช่นการกระจายปกติ) หลังจากที่ข้อมูลที่มีการจัดอันดับและจัดเรียง, Z-คะแนนจะถูกคำนวณที่สอดคล้องกันสำหรับแต่ละตำแหน่งดังนี้ Z = x - ᵪ̅ ​​/ วินาที นี่คือค่าที่คาดหวังว่าคะแนนควรจะมีในการกระจายปกติ คะแนนที่ได้รับการแปลงตัวเองแล้วถึง z-คะแนน ที่เกิดขึ้นจริง Z-คะแนนจะถูกพล็อตกับที่คาดว่า Z-คะแนน หากข้อมูลที่มีการกระจายตามปกติผลที่ได้จะเป็นเส้นทแยงมุมตรง (2) พล็อต QQ จะคล้ายกับพล็อต PP ยกเว้นว่ามันแปลง quantiles (ที่ค่าที่แยกข้อมูลที่ตั้งในส่วนเท่ากัน) ของข้อมูลที่ตั้งแทนของทุกคะแนนของแต่ละบุคคลในข้อมูล นอกจากนี้ยังมีแผนการ QQ จะง่ายต่อการตีความในกรณีของขนาดตัวอย่างขนาดใหญ่ (2) Boxplot แสดงให้เห็นว่าค่ามัธยฐานเป็นเส้นแนวนอนภายในกล่องและช่วง interquartile ที่ (ช่วงระหว่าง 25 ถึง 75 ปีบริบูรณ์เปอร์เซนต์) คว​​ามยาวของกล่อง เครา (สายทอดตัวลงมาจากด้านบนและด้านล่างของกล่อง) เป็นตัวแทนของค่าต่ำสุดและสูงสุดเมื่อพวกเขาอยู่ใน 1.5 เท่าของช่วง interquartile จากจุดสิ้นสุดของกล่อง (10) คะแนนสูงกว่า 1.5 เท่าของช่วง interquartile จะออกของ Boxplot และถือเป็นค่าผิดปกติและผู้ที่มากกว่า 3 ครั้งช่วง interquartile ที่มีค่าผิดปกติมาก Boxplot ที่เป็นส่วนที่มีเส้นค่าเฉลี่ยที่ประมาณศูนย์กลางของกล่องและมีหนวดที่มีสมมาตรเล็กน้อยนานกว่าส่วนย่อยของกล่องศูนย์แสดงให้เห็นว่าข้อมูลอาจจะมาจากการกระจายปกติ (8)

ผลลัพธ์ (ไทย) 3:

การตรวจสอบของการกระจายจะใช้ในการประเมินภาวะปกติ แม้ว่าวิธีการนี้มักจะไม่น่าเชื่อถือและไม่รับประกันว่า การแจกแจงปกติ ( 2 , 3 , 7 ) อย่างไรก็ตาม เมื่อข้อมูลถูกนำเสนอสายตาผู้อ่านของบทความสามารถตัดสินเงื่อนไขการแจกแจงโดยตัวเอง ( 9 ) โดยการแจกแจงความถี่ ( Histogram ) , ลำต้นและใบ boxplot พล็อต ,p-p แปลง ( แปลงความน่าจะเป็นความน่าจะเป็น และพล็อตครั้งแรก ( พล็อตควอนไทล์ควอนไทล์ ) ที่ใช้สำหรับตรวจสอบความปกติทางสายตา ( 2 ) ความถี่ในการกระจายแปลงค่าความถี่ที่สังเกตกับพวกเขา มีทั้งภาพและการตัดสินใจเกี่ยวกับว่าการกระจายเป็นรูประฆังและข้อมูลเชิงลึกเกี่ยวกับช่องว่างในข้อมูล และเมื่อค่าห่างไกล ( 10 )ลำต้นและใบเป็นอุบายวิธีการคล้ายกับฮิสโตแกรม แม้ว่าจะยังคงมีข้อมูลเกี่ยวกับข้อมูลที่แท้จริงค่า ( 8 ) การ p-p แปลงแปลงความน่าจะเป็นสะสมของตัวแปรกับความน่าจะเป็นสะสมของการกระจายโดยเฉพาะ ( ปกติเช่น ) หลังจากที่ข้อมูลจะถูกจัดอันดับและจัดเรียง , คะแนนที่คำนวณสำหรับแต่ละตำแหน่งดังนี้ Z = x - ᵪ̅ / Sนี่เป็นค่าคาดหวังว่าคะแนนต้องมีการแจกแจงแบบปกติ คะแนนแล้วตัวเองแปลง z-scores . การ z-scores จริงจะงัดข้อกับความคาดหวัง z-scores . ถ้าข้อมูลมีการแจกแจงปกติ ผลลัพธ์จะเป็นเส้นตรงในแนวทแยงเส้น ( 2 )เป็นครั้งแรก พล็อตที่คล้ายกับพล็อต p-p ยกเว้นว่ามันแปลง quantiles ( ค่าที่แบ่งชุดข้อมูลเป็นส่วนเท่ากัน ) ของชุดข้อมูลแทนทุกคะแนนรายบุคคลในข้อมูล นอกจากนี้ แปลงง่ายกว่าแปลครั้งแรกในกรณีของตัวอย่างขนาดใหญ่ ( 2 )การ boxplot แสดงแบ่งเป็นเส้นแนวนอนภายในกล่อง และช่วงการพัฒนา ( ช่วงระหว่าง 25 th TH 75 เปอร์เซ็นต์ ) ตามความยาวของกล่อง หนวด ( เส้นขยายจากด้านบนและด้านล่างของกล่อง ) เป็นตัวแทนของค่าต่ำสุดและสูงสุดเมื่อพวกเขาอยู่ภายใน 1.5 เท่าของค่าพิสัยระหว่างควอไทล์ จากทั้งสองด้านของกล่อง ( 10 ) คะแนนมากกว่า 15 ครั้ง ค่าพิสัยระหว่างควอไทล์ออกจาก boxplot และถือเป็นค่าผิดปกติ และมากกว่า 3 ครั้ง คือ ช่วงสร้างผิดปกติระดับรุนแรงเป็น boxplot ที่สมมาตรกับแสกประมาณตรงกลางของกล่องและมีหนวดแบบสมมาตรที่อีกเล็กน้อยกว่าส่วนย่อยของศูนย์กล่องแสดงให้เห็นว่าข้อมูลอาจได้มาจากการแจกแจงปกติ (
8 )