Normal probability plots are made t

Normal probability plots are made to graphically verify normality assumption for data from a univariate population that are mutually independent and identically distributed. Normal probability plot is very common option in most statistical packages. In the context of design of experiments or regression, though the observations are assumed to be mutually independent and homoscedastic, they have different unknown expectations. So the raw data are inappropriate for normality check. To overcome the problem of unequal expectations, it is common to use residuals of a fitted regression model. The residuals have zero expectation, but these are heteroscedastic, and also mutually dependent. It is thus inappropriate to use the residuals for normality check. In this study, mutually independent homoscedastic components with zero mean are extracted from residuals through principle component analysis; these are then used for normal probability plot. The technique is illustrated with data.

ผลลัพธ์ (ไทย) 1:

ความน่าเป็นปกติผืนทำภาพตรวจสอบ normality สมมติฐานสำหรับข้อมูลจากประชากรอย่างไร univariate ที่เป็นอิสระแก่กันและกัน และกระจายเหมือนกัน พล็อตความน่าเป็นปกติเป็นธรรมดาที่เลือกแพคเกจทางสถิติส่วนใหญ่ ในบริบทของการออกแบบการทดลองหรือถดถอย ว่าสังเกตที่จะถือว่ากัน อิสระและ homoscedastic พวกเขามีความคาดหวังไม่รู้จักแตกต่างกัน ดังนั้น ข้อมูลดิบไม่เหมาะสมสำหรับการตรวจสอบ normality เพื่อเอาชนะปัญหาของความคาดหวังไม่เท่ากัน มันเป็นเรื่องธรรมดาจะใช้ค่าคงเหลือของแบบจำลองถดถอยที่ผ่อน ค่าคงเหลือมีความคาดหวังเป็นศูนย์ แต่นี่คือ heteroscedastic และยังขึ้นอยู่แก่กันและกัน จึงไม่เหมาะสมจะใช้ค่าคงเหลือตรวจสอบ normality ในการศึกษานี้ ส่วนประกอบ homoscedastic อิสระร่วม ด้วยหมายถึงศูนย์ที่สกัดจากค่าคงเหลือผ่านการวิเคราะห์ส่วนประกอบหลัก เหล่านี้จะมีการใช้สำหรับพล็อตความน่าเป็นปกติ เทคนิคการสะท้อนข้อมูล

ผลลัพธ์ (ไทย) 2:

แปลงน่าจะเป็นปกติท​​ี่จะทำให้กราฟิกตรวจสอบสมมติฐานปกติสำหรับข้อมูลจากประชากร univariate ที่มีความเป็นอิสระต่อกันและกันกระจาย พล็อตน่าจะเป็นปกติเป็นตัวเลือกที่พบบ่อยมากในแพคเกจทางสถิติมากที่สุด ในบริบทของการออกแบบการทดลองหรือการถดถอย แต่สังเกตจะถือว่าเป็นอิสระและร่วมกัน homoscedastic พวกเขามีความคาดหวังที่ไม่รู้จักที่แตกต่างกัน ดังนั้นข้อมูลดิบที่ไม่เหมาะสมสำหรับการตรวจสอบปกติ ที่จะเอาชนะปัญหาของความคาดหวังที่ไม่เท่ากันมันเป็นเรื่องธรรมดาที่จะใช้ที่เหลือของรูปแบบการถดถอยติดตั้ง เหลือมีศูนย์ความคาดหวัง แต่เหล่านี้เป็น heteroscedastic และยังขึ้นอยู่ร่วมกัน ดังนั้นจึงเป็นเรื่องที่ไม่เหมาะสมที่จะใช้ที่เหลือสำหรับการตรวจสอบปกติ ในการศึกษานี้ส่วนประกอบ homoscedastic อิสระร่วมกันกับศูนย์เฉลี่ยที่สกัดจากเหลือผ่านการวิเคราะห์องค์ประกอบหลักการ; เหล่านี้ถูกนำมาใช้สำหรับพล็อตน่าจะเป็นปกติ เทคนิคการแสดงที่มีข้อมูล

ผลลัพธ์ (ไทย) 3:

แปลงความน่าจะเป็นแบบปกติให้กราฟิกตรวจสอบสมมติฐานปกติสำหรับข้อมูลจากกลุ่มประชากรที่เป็นอิสระแก่กันและกัน และกันกระจาย พล็อตเรื่องความน่าจะเป็นแบบปกติทั่วไปมาก ตัวเลือกในการใช้โปรแกรมสำเร็จรูปมากที่สุด ในบริบทของการออกแบบการทดลองหรือถดถอย แม้ว่าการสังเกตจะถือว่าเป็นอิสระและ homoscedastic ร่วมกัน ,พวกเขามีความคาดหวังที่แตกต่างกัน ดังนั้นข้อมูลที่ไม่เหมาะสมกับความเป็นปกติ เช็ค เพื่อเอาชนะปัญหาความคาดหวังไม่เท่ากัน โดยทั่วไปจะใช้ค่าของการติดตั้งแบบ ความคลาดเคลื่อนไม่มีความคาดหวัง แต่เหล่านี้เป็นพหุคูณ และยังร่วมกันจัด มันจึงไม่เหมาะสมที่จะใช้ค่าปกติตรวจสอบ ในการศึกษานี้อิสระร่วมกัน homoscedastic ส่วนประกอบกับศูนย์หมายถึงจะถูกแยกจากค่าผ่านหลักการการวิเคราะห์องค์ประกอบ เหล่านี้จะใช้สำหรับพล็อตน่าจะเป็นปกติ เทคนิคคือ ภาพประกอบข้อมูล