Сообщить об ошибкеКороткий ответ
Быстрая визуальная проверка — построить гистограмму (ожидаем симметричный колокол) и QQ-plot (точки должны ложиться примерно на прямую линию); сильные отклонения на QQ-plot по краям говорят о тяжёлых хвостах или скошенности.
Как это работает подробнее
гистограмма показывает форму распределения напрямую; QQ-plot (quantile-quantile plot) сравнивает квантили ваших данных с квантилями теоретического нормального распределения — если данные нормальны, точки ложатся на диагональную линию. Такая визуальная проверка часто выполняется как обязательный шаг перед применением методов, чувствительных к форме распределения.
Пример кода
Пример на Python
import numpy as np
import scipy.stats as stats
import matplotlib.pyplot as plt
data = np.random.exponential(scale=2, size=300)
stats.probplot(data, dist="norm", plot=plt)Что использовать на практике
- На практике. визуальная проверка хороша как быстрый первый шаг перед выбором метода (например, перед выбором t-test или непараметрического аналога), особенно для небольших выборок, где формальные тесты на нормальность (Шапиро-Уилка и подобные) ненадёжны. Для больших выборок, наоборот, формальные тесты становятся сверхчувствительны и отвергают нормальность даже при несущественных отклонениях, поэтому визуальная оценка «достаточно ли это нормально для целей анализа» остаётся полезной. Дополнительно полезно рассмотреть несколько случайных поднаборов данных и сравнить их гистограммы между собой — устойчивость формы на разных подвыборках повышает доверие к визуальному выводу.
- Пример. Проверка: для экспоненциальных данных точки на QQ-plot явно отклонятся от прямой линии в верхней части, визуально подтверждая, что распределение не нормально (длинный правый хвост).
Подводные камни
- Частые ошибки. опираться только на один маленький график без учёта контекста анализа; требовать идеальной нормальности там, где метод устойчив к небольшим отклонениям; не glancing at tails (хвосты) на QQ-plot, где чаще всего видны значимые отклонения. Ещё одна ошибка — делать вывод о нормальности по QQ-plot с очень малым числом точек, где случайные отклонения от прямой линии неизбежны даже для действительно нормальных данных.