Many statistical tests assume that

Many statistical tests assume that data (or residuals) are sampled from a Gaussian
distribution. Normality tests are often used to test for evidence that the distribution
is not Gaussian, but these tests are less helpful than many scientists expect them to
be.
Many books (but not mine) and programs (but not GraphPad Prism yet) suggest
using a QQ normality plot to visually assess whether or not a distribution appears to
be sampled from a Gaussian distribution. The problem is that most books give very
complicated explanations of QQ plots, making it very hard to figure out what exactly
they mean. In fact, the basic idea of a QQ normality plot is pretty easy to understand.

ผลลัพธ์ (ไทย) 1:

สถิติในการทดสอบสมมติความว่า ข้อมูล (หรือค่าคงเหลือ) จากแบบ Gaussian การกระจายงาน มักใช้ทดสอบ normality เพื่อทดสอบสำหรับหลักฐานที่การกระจาย ไม่ Gaussian แต่การทดสอบเหล่านี้มีประโยชน์น้อยกว่านักวิทยาศาสตร์หลายคาดหวัง ต้องการ หนังสือมาก (แต่ไม่เหมือง) และโปรแกรม (แต่ไม่ GraphPad ปริซึมยัง) แนะนำ ใช้ QQ normality แผนจะเห็นหรือไม่แสดงการกระจาย อย่างจากการกระจาย Gaussian ปัญหาคือ ว่า หนังสือส่วนใหญ่ให้มาก คำอธิบายที่ซับซ้อนของ QQ ลงจุด ทำให้ยากมากที่จะคิดได้ว่าแน่นอน พวกเขาหมายถึง ในความเป็นจริง แนวคิดพื้นฐานของแผน normality QQ ได้สวยง่ายต่อการเข้าใจ

ผลลัพธ์ (ไทย) 2:

การทดสอบทางสถิติหลายคนคิดว่าข้อมูล (หรือเหลือ)
เป็นตัวอย่างจากการเสียนกระจาย การทดสอบภาวะปกติมักจะใช้ในการทดสอบสำหรับหลักฐานที่แสดงว่าการกระจายไม่เสียนแต่ผลการทดสอบเหล่านี้จะเป็นประโยชน์น้อยกว่านักวิทยาศาสตร์หลายคนคาดหวังให้เป็น. หนังสือหลายเล่ม (แต่ไม่ระเบิด) และโปรแกรม (แต่ไม่ GraphPad ยังปริซึม) ขอแนะนำให้ใช้QQ พล็อตปกติในการมองเห็นในการประเมินหรือไม่ว่าการกระจายที่ดูเหมือนจะได้รับตัวอย่างจากการกระจายเสียน ปัญหาคือว่าหนังสือส่วนใหญ่ให้มากคำอธิบายที่ซับซ้อนของการแปลง QQ ทำให้มันยากมากที่จะคิดออกว่าสิ่งที่พวกเขาหมายถึง ในความเป็นจริงความคิดพื้นฐานของพล็อตปกติ QQ สวยง่ายต่อการเข้าใจ

ผลลัพธ์ (ไทย) 3:

การทดสอบทางสถิติหลายสมมติว่า ข้อมูล ( หรือค่า ) เก็บตัวอย่างจากการแจกแจงแบบปกติ

การทดสอบภาวะปกติมักใช้ในการทดสอบหลักฐาน
กระจายไม่เสียน แต่การทดสอบเหล่านี้เป็นประโยชน์น้อยกว่านักวิทยาศาสตร์หลายคนคาดหวังให้
.
หนังสือหลายเล่ม ( แต่ไม่ใช่ของผม ) และโปรแกรม ( แต่ไม่ graphpad ปริซึมยัง ) แนะนำ
การใช้ QQ ปกติลงสายตาประเมินหรือไม่กระจายปรากฏ
เป็นตัวอย่างจากการแจกแจงแบบปกติ . ปัญหาคือ ว่า หนังสือส่วนใหญ่ให้มาก
ซับซ้อน คำอธิบายของ QQ แปลงทำให้ยากมากที่จะคิดออกว่าสิ่งที่
พวกเขาหมายถึง ในความเป็นจริง ความคิดพื้นฐานของ QQ ปกติแปลงสวยง่ายต่อการเข้าใจ