全部版块 我的主页
› 论坛 › 数据科学与人工智能 › 数据分析与数据科学 › SAS专版
univariate 检查正太分布的问题
supersu35
2032 5
2019-01-03
复制代码
结果里pvalue<0.05, 应该拒绝正态分布假设。但分布图显示是正态分布。是哪里错了？谢谢。
normal.png

二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复
闲云旧雨
2019-1-4 21:04:15
样本量是否很大？
正态性检验是存在这种问题，当样本量特别大的时候即使数据的正态性很好也可能会得到显著性结果。所以建议综合考量正态性检验的结果和直方图的情况。
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

啦啦啦略略
2019-1-4 21:12:25
闲云旧雨 发表于 2019-1-4 21:04
样本量是否很大？
正态性检验是存在这种问题，当样本量特别大的时候即使数据的正态性很好也可能会得到显著 ...
那是不是说，在做参数估计的时候，样本的量取太大了，反而会使得置信区间变小，虽然看起来效果很好，但是稍微有点偏差就会被拒绝掉。
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

闲云旧雨
2019-1-4 21:55:12
啦啦啦略略 发表于 2019-1-4 21:12
那是不是说，在做参数估计的时候，样本的量取太大了，反而会使得置信区间变小，虽然看起来效果很好，但是 ...
是的，假设检验在大样本时就容易得到阳性结果。因为从根本来说无效假设（原假设）本来就是不会成立的。比如比较两组人的身高是否一样，无效假设是两组人群的平均身高完全相等——实际上怎么会完全相等呢，比如165.123cm和165.122cm就不相等，只要样本量足够大，这0.001cm的差值就能做出来有统计学意义。所以大样本时的统计推断尤其要注意统计学上有意义并不意味着实际问题上有意义，P值很小并不代表效应量很大。
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

啦啦啦略略
2019-1-4 22:14:07
那再请教一个问题，俩个总体均值检验，要是统计意义上相等代表无显著差异，数值上不相等这个我能理解。但是要是在大样本中，统计结果上有显著性差异，而实际含义中就像你举例中，身高不会弄到那么精确，可以把它看成相等。这，是不是就是你最后一句话的意思，p值其实代表性不是很大，主要从直观上进行判别？
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

supersu35
2019-1-4 23:18:07
闲云旧雨 发表于 2019-1-4 21:04
样本量是否很大？
正态性检验是存在这种问题，当样本量特别大的时候即使数据的正态性很好也可能会得到显著 ...
谢谢指教。样本在30000左右算大吗？
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

微信QQ空间QQ微博
扫码加好友，拉您进群
各岗位、行业、专业交流群