Verteilungsanpassung (nur Pro)

Distribution-Fit

Die Verteilungsanpassung dient dazu, eine parametrische Veteilung an die Daten anzupassen. Sie unterstützt Anwender bei der Untersuchung der Verteilung ihrer Daten und der Schätzung der Parameter für die Verteilung.

Verarbeitungsvorgang

Verteilung/Modell wählen

Diskrete Daten oder stetige Daten

Bewerten Sie, ob Ihre stetig oder diskret sind und aktivieren Sie das entsprechende Optionsfeld für Verteilungstyp. Wenn Ihre Daten gleitende Punktzahlen enthalten, müssen sie aus einer stetigen Verteilung stammen. Wenn Ihre Daten alle ganze Zahlen sind, können Sie zwischen stetigen oder diskreten Verteilungen wählen.

Ein geeignetes Modell wählen

Sehen Sie sich Ihre Daten in Hinblick auf die statistischen Werte wie Mittelwert, Standardabweichung, Schiefe etc. und die statistischen Diagramme wie Histogramm und CDF-Diagramm an, um zu entscheiden, welche Verteilung für Ihre Daten die richtige ist. Sie können auch mehrere Modelle wählen, wenn Sie sich nicht sicher sind, welche Modell genau passt.

Ergebnisse für Ausgabe wählen

Deskriptive Statistik

• Quantile:

  Die Quantile werden in der Tabelle Quantile ausgegeben, die zeigt, wie die Variable verteilt. Sie enthält die Werte für Minimum, 1. Quantil (Q1), Median, 3. Quantil (Q3), Maximum, Interquartile Bereiche (IQR = Q3 - Q1), Bereich (Maximum - Minimum).

• Momente und Weitere Momente:

  Die grundlegenden Statistikwerte werden in der Tabelle Deskriptive Statistik ausgegeben. Sie umfasst die Werte von Mittelwert, Standardabweichung (SD), Standardfehler des Mittelwerts, unteres/oberes 95%-Konfidenzintervall des Mittelwerts sowie ausgewählt Werte im Zweig Weitere Momente.

Diagramme

• Boxdiagramm:

  Das Boxdiagramm ist eine grafische Darstellung der Schlüsselwerte aus der Zusammenfassungsstatistik.

• Histogramm:

  Histogramme zeigen Merkmale Ihrer Daten wie Schiefe, Verhalten in den Endbereichen, Vorhandensein eines multimodalen Verhalten und Datenausreißer. Histogramme mit einer Überlagerung von PDF-Kurven können mit den Formen von PDF-Kurven verschiedener Verteilungen verglichen werden und Ihnen somit dabei helfen, eine zugrunde liegende Verteilung visuell zu identifizieren.

• CDF-Diagramm:

  Das CDF-Diagramm (Cumulative Distribution Function Plot, Diagramm der kumulativen Verteilungsfunktion) ist nützlich, wenn es darum geht, tatsächlich zu entscheiden, wie gut die Verteilungen an die Daten angepasst sind.

• Wahrscheinlichkeitsdiagramm:

  Das Wahrscheinlichkeitsdiagramm wird verwendet, um zu testen, ob ein Datensatz einer gegebenen Verteilung folgt. Allgemein gesagt zeigt es ein Diagramm mit beobachtetem kumulativen Prozentanteil auf der X-Achse und erwartetem kumulativen Prozentanteil auf der Y-Achse. Wenn alle Punkte nah an der Referenzlinie liegen, kann davon gesprochen werden, dass der Datensatz der gegebenen Verteilung folgt.

Anpassungsgüte

• Kolmogorov-Smirnov:

  Beliebte Testmethode, einfach und intuitiv

• Kolmogorov-Smirnov (Modifiziert):

  Modifizierte Kolmogorov-Smirnov-Methode, bereit gestellt von D’Agostino und Stephens (1986); verfügt über eine höhere statistische Trennschärfe als der Kolmogorov-Smirnov-Test (KS).

• Anderson-Darling:

  Gibt den Randbereichen eine größere Gewichtung als der Kolmogorov-Smirnov-Test. Leistungsstärker als der KS-Test, wenn Daten Ausreißer besitzen.

Testmittelwert oder Varianz

Sie können mit Hilfe des Zweigs Grundlegende Tests prüfen, ob der Mittelwert der Daten oder die Varianz gleich einem festgelegten Wert ist.

Wenn die Standardabweichung bekannt ist, wählen Sie z-Test. Ansonsten wählen Sie t-Test für Mittelwerttest