If the data are truly sampled from

If the data are truly sampled from a Gaussian distribution, the QQ plot will be linear.
If the X and Y values are comparable (as they are in Figure 1), then the points are
expected to line up on the line of identity (shown in a dotted line in Figure 1).
Systematic deviation from this ideal is evidence that the data are not sampled from a
Gaussian distribution. But it is hard to say how much deviation is more than you’d
expect to see by chance. It takes some experience to interpret a QQ plot.
The data in Figure 1 were sampled (by computer) from a Gaussian distribution with
a mean equal to 7.0 and a SD equal to 2.0. I repeated this simulation 20 times (with
different random values). Most of those simulations created graphs very similar to
Figure 1. Figure 2 below shows the four (of twenty) graphs that seem to deviate the
most from linearity.
Figure 2
0 5 10 15
0
5
10
15
Predicted Data
Actual Data
0 5 10 15
-5
0
5
10
15
Predicted Data
Actual Data
0 5 10 15
0
5
10
15

ผลลัพธ์ (ไทย) 1:

ถ้าข้อมูลมีความแท้จริงจากการกระจาย Gaussian พล็อต QQ จะเป็นเชิงเส้น ถ้าค่า X และ Y จะเปรียบเทียบได้ (เหมือนในรูปที่ 1), แล้วมีคะแนน คาดว่าจะจัดบรรทัดของรหัสประจำตัว (แสดงในเส้นในรูปที่ 1)ระบบเบี่ยงเบนจากห้องนี้เป็นหลักฐานที่ไม่ได้ตัวอย่างข้อมูลได้จากการ การแจกจ่ายของ gaussian แต่ก็ยากที่จะบอกความแตกต่างเท่าไรมากกว่าที่จะ คาดว่าจะเห็นโดยบังเอิญ ก็ประสบการณ์แปลแผน QQ มีตัวอย่างข้อมูลในรูปที่ 1 (ด้วยคอมพิวเตอร์) จาก Gaussian แจกแจงด้วย เท่ากับเฉลี่ย 7.0 และ SD ที่เท่ากับ 2.0 ฉันซ้ำการจำลองนี้ 20 เท่ากับ สุ่มค่าต่าง ๆ) ของจำลองเหล่านั้นสร้างกราฟคล้ายกับ รูปที่ 1 รูปที่ 2 ด้านล่างกราฟแสดงสี่ (ของยี่สิบ) ที่ดูเหมือนจะแตกต่าง ส่วนใหญ่จากแบบดอกไม้รูปที่ 20 5 10 15051015ข้อมูลคาดการณ์ข้อมูลที่แท้จริง0 5 10 15-5051015ข้อมูลคาดการณ์ข้อมูลที่แท้จริง0 5 10 15051015

ผลลัพธ์ (ไทย) 2:

หากข้อมูลที่เป็นตัวอย่างอย่างแท้จริงจากการกระจายเสียน, พล็อต QQ จะเป็นเชิงเส้น.
ถ้าค่า X และ Y มีการเทียบเคียง (ในขณะที่พวกเขาอยู่ในรูปที่ 1)
จากนั้นจุดที่มีการคาดว่าจะเริ่มขึ้นในสายของตัวตน(แสดง เป็นเส้นประในรูปที่ 1). การเบี่ยงเบนจากระบบนี้เหมาะเป็นหลักฐานที่แสดงว่าข้อมูลจะไม่ได้เก็บตัวอย่างจากการกระจายเสียน แต่มันเป็นเรื่องยากที่จะบอกว่าการเบี่ยงเบนมากขึ้นกว่าที่คุณจะคาดหวังที่จะเห็นโดยบังเอิญ มันต้องใช้ประสบการณ์ในการตีความพล็อต QQ ได้. ข้อมูลในรูปที่ 1 ได้รับการทดลอง (คอมพิวเตอร์) จากการกระจายเสียนที่มีค่าเฉลี่ยเท่ากับ7.0 และ SD เท่ากับ 2.0 ฉันซ้ำจำลองนี้ 20 ครั้ง (มีค่าสุ่มที่แตกต่างกัน) ที่สุดของการจำลองที่สร้างกราฟคล้ายกับรูปที่ 1 รูปที่ 2 ด้านล่างแสดงสี่ (ยี่สิบ) กราฟที่ดูเหมือนจะเบี่ยงเบนมากที่สุดจากการเชิงเส้น. รูปที่ 2 0 5 10 15 0 5 10 15 ที่คาดการณ์ข้อมูลจริงข้อมูล0 5 10 15 -5 0 5 10 15 ข้อมูลที่คาดการณ์ข้อมูลจริง0 5 10 15 0 5 10 15

ผลลัพธ์ (ไทย) 3:

ถ้าข้อมูลมีตัวอย่างจากการกระจาย Gaussian , QQ พล็อตจะเป็นเชิงเส้น
ถ้า x และ y มีค่าเทียบได้ ( เช่นที่พวกเขาอยู่ในรูปที่ 1 ) แล้วคะแนน
คาดว่าจะขึ้นบรรทัดในบรรทัดของตัวตน ( แสดงในเส้นประในรูปที่ 1 ) .
อย่างเป็นระบบส่วนเบี่ยงเบนจากอุดมคตินี้คือหลักฐานว่าข้อมูลที่ไม่ได้เก็บตัวอย่างจาก
) กระจายแต่มันยากที่จะพูดเบี่ยงเบนเท่าไหร่กว่าจะ
คาดหวังที่จะเห็นโดยบังเอิญ มันต้องใช้ประสบการณ์บางอย่างที่จะตีความ QQ แปลง
ข้อมูลในรูปที่ 1 จำนวน ( คอมพิวเตอร์ ) จากการแจกแจงแบบปกติที่มีค่าเฉลี่ยเท่ากับ
7.0 และ SD เท่ากับ 2.0 ฉันทำซ้ำแบบนี้ 20 ครั้ง ( จำลองกับ
ค่าสุ่มที่แตกต่างกัน ) ที่สุดของจำลองที่สร้างกราฟคล้ายกันมาก

รูปที่ 1 รูปที่ 2 ด้านล่างแสดงสี่ ( 20 ) กราฟที่ดูผิดเพี้ยนจากเส้นตรงที่สุด
.
รูปที่ 2
0 5 10 15
0
5
10
15

จริงทำนายข้อมูลข้อมูล
0 5 10 15
- 5
0
5
10
15

ทำนายข้อมูลที่แท้จริง ข้อมูล
0 5 10 15
0
5
10
15