Jak sprawdzić normalność rozkładu

Normalność sprawdza się, bo od niej zależy wybór testu (parametryczny vs nieparametryczny). Najczęściej stosuje się test Shapiro-Wilka, uznawany za czuły zwłaszcza przy mniejszych próbach; alternatywą jest test Kołmogorowa-Smirnowa (w wersji z poprawką Lillieforsa).

Interpretacja: istotny wynik (p < 0,05) oznacza odstępstwo od normalności. Warto wspomóc się wykresami (histogram, wykres kwantyl-kwantyl), bo przy dużych próbach testy wykrywają nawet drobne, nieistotne praktycznie odchylenia. Sprawdzaj normalność rozkładu zmiennej w grupach, a nie całej surowej zmiennej.

Przykład: badasz wynik testu wiedzy w dwóch grupach. Shapiro-Wilka liczysz osobno w każdej grupie - jeśli w obu p > 0,05, rozkład nie odbiega istotnie od normalnego i możesz użyć testu t. Typowy błąd to testowanie normalności na całej zmiennej „w jednym worku" zamiast w obrębie porównywanych grup oraz opieranie decyzji wyłącznie na teście przy bardzo dużej próbie, gdzie każde drobne odchylenie wychodzi „istotne".

Wskazówka praktyczna: łącz test z oceną wizualną (histogram, wykres Q-Q) oraz ze skośnością i kurtozą. Przy N powyżej około 30-40 na grupę testy parametryczne zwykle działają dobrze mimo umiarkowanych odchyleń. W pracy wystarczy napisać, że sprawdzono normalność (jakim testem) i jaki był wniosek.

Sprawdzenie normalności rozkładu to zwykle pierwszy krok, bo przesądza o wyborze między testem parametrycznym a nieparametrycznym. Jeśli nie masz pewności, jaki test zastosować po sprawdzeniu rozkładu, pomoże przewodnik doboru testu, a gotowy raport z weryfikacją założeń otrzymasz z konfiguratora.