Normaliteitstoets
Een normaliteitstoets beoordeelt of een dataset een normale verdeling (klokcurve) volgt. Veel statistische methoden, waaronder t-toetsen, ANOVA, regressie en regelkaarten, gaan ervan uit dat de gegevens normaal verdeeld zijn.
Laatst beoordeeld
Belangrijkste conclusie
Een normaliteitstoets beoordeelt of een dataset een normale verdeling (klokcurve) volgt.
Op deze pagina
Wat is een normaliteitstoets?
Een normaliteitstoets beoordeelt of een dataset een normale verdeling (klokcurve) volgt. Veel statistische methoden, waaronder t-toetsen, ANOVA, regressie en regelkaarten, gaan ervan uit dat de gegevens normaal verdeeld zijn. Door eerst een normaliteitstoets uit te voeren, bevestigt u of die aanname geldig is, zodat de resultaten van latere analyses nauwkeurig en betrouwbaar zijn.
Er zijn meerdere methoden beschikbaar, waaronder Anderson-Darling, Ryan-Joiner en Kolmogorov-Smirnov. Elke methode gebruikt een andere wiskundige aanpak, maar ze leveren allemaal een p-waarde op die aangeeft of er significant bewijs is tegen normaliteit.
Eenvoudige definities: Een controle die aangeeft of uw gegevens de vorm van een normale klokcurve volgen, wat voor veel statistische toetsen een voorwaarde is om geldige resultaten te geven.
Wanneer gebruikt u een normaliteitstoets?
- Gebruik hem vóór het uitvoeren van t-toetsen, ANOVA, regressie of capabiliteitsanalyse om te bevestigen dat aan de aanname van normaliteit is voldaan.
- Gebruik hem wanneer u de juiste regelkaart of capabiliteitsmethode kiest : niet-normale gegevens vereisen andere kaarttypen of transformaties.
- Gebruik hem wanneer u een nieuwe dataset of een nieuw proces valideert waarvan de vorm van de verdeling onbekend is.
- Gebruik hem wanneer u moet beslissen of u een transformatie moet toepassen (bijv. Box-Cox of Johnson) vóór verdere analyse.
Richtlijnen voor correct gebruik van een normaliteitstoets
- Verzamel minimaal 20 datapunten voordat u een normaliteitstoets uitvoert: bij zeer kleine steekproeven ontbreekt het onderscheidend vermogen om niet-normaliteit betrouwbaar te detecteren.
- Gebruik de Anderson-Darling-toets als standaard : het is de meest gangbare methode en geeft meer gewicht aan de staarten van de verdeling, waar niet-normaliteit zich doorgaans toont.
- Een p-waarde groter dan 0.05 wijst op onvoldoende bewijs om normaliteit te verwerpen: de gegevens zijn consistent met een normale verdeling.
- Een p-waarde kleiner dan 0.05 wijst erop dat de gegevens significant van normaliteit afwijken: overweeg een transformatie of een niet-parametrische methode.
- Bekijk altijd de waarschijnlijkheidsplot naast de p-waarde : een visuele controle onthult de aard en ernst van elke afwijking van normaliteit.
- Bij grote steekproeven (n > 100) wordt de toets zeer gevoelig voor kleine, praktisch onbelangrijke afwijkingen : combineer de p-waarde altijd met een visuele beoordeling.
Alternatieven: wanneer u geen normaliteitstoets gebruikt
- Als u al weet dat de gegevens niet-normaalzijn, sla de normaliteitstoets dan over en ga direct naar Identificatie van individuele verdeling om de best passende verdeling te vinden.
- Als uw steekproef zeer klein is (minder dan 10), heeft de normaliteitstoets een zeer laag onderscheidend vermogen: overweeg meer gegevens te verzamelen voordat u conclusies trekt.
- Als u werkt met attribuutgegevens (aantallen of proporties), is een normaliteitstoets niet van toepassing: dit soort gegevens volgt binomiale of Poisson-verdelingen.
Voorbeeld van een normaliteitstoets
Dit is een willekeurige steekproef uit een binomiale verdeling. Laten we op deze gegevens een Anderson-Darling-normaliteitstoets uitvoeren. De toets in de volgende stappen:
- De benodigde gegevens verzameld.

- Analyseer de gegevens nu in Zometric Statistical Software op https://statsai.zometric.com/.
- Kies voor de normaliteitstoets Statistical module> Hypothesis Test> Normality test.
- Voer in de tool de gegevens samen met de andere invoer als volgt in:

5. Na gebruik van bovenstaande tool wordt de uitvoer als volgt weergegeven:

Zo voert u een normaliteitstoets uit
De handleiding is als volgt:
- Log in bij Zometric Statistical Software op https://statsai.zometric.com/
- Kies op de startpagina Statistical Tool> Hypothesis Test >Normality test .
- Werk vervolgens de gegevens handmatig bij, of kopieer (Ctrl+C) de gegevens volledig uit een Excel-blad en plak (Ctrl+V) ze hier.
- Vul de vereiste opties in.
- Klik ten slotte onderaan de pagina op Calculate en u krijgt de gewenste resultaten.
Op het dashboard van de normaliteitstoets is het venster in twee delen verdeeld.

Links bevindt zich de Data Pane. In de Data Pane vormt elke rij één subgroep. De gegevens kunnen handmatig worden ingevoerd, of u kunt ze volledig uit een Excel-blad kopiëren (Ctrl+C) en hier plakken (Ctrl+V).
Load example: Voorbeeldgegevens worden geladen.
Load File: Hiermee laadt u de Excel-gegevens rechtstreeks.
Rechts staan veel opties, als volgt:
- Responses Selecteer de kolom(men) met de continue gegevens die u op normaliteit wilt toetsen. Gebruik Ctrl of Command + klik om meerdere kolommen te selecteren als u meerdere variabelen tegelijk wilt toetsen. Elke geselecteerde kolom wordt afzonderlijk getoetst en uitgezet: de tool maakt voor elke geselecteerde variabele een aparte waarschijnlijkheidsplot en een apart resultaat.
- Tests for Normality Kies de statistische methode waarmee wordt beoordeeld of de gegevens een normale verdeling volgen. Er zijn drie opties; elke gebruikt een andere wiskundige aanpak, maar alle leveren een p-waarde en een waarschijnlijkheidsplot op:
- Anderson-Darling : de meest gebruikte en aanbevolen standaardmethode. Ze geeft meer gewicht aan de staarten van de verdeling en is daardoor gevoeliger voor afwijkingen aan de uiteinden van de gegevens. Het meest geschikt voor algemene normaliteitstoetsing in de meeste sectoren en toepassingen.
- Ryan-Joiner : vergelijkbaar in aanpak met de Shapiro-Wilk-toets; ze meet hoe nauw de datapunten een rechte lijn volgen op een normale waarschijnlijkheidsplot. Een goed alternatief wanneer u een op correlatie gebaseerde beoordeling van normaliteit wilt. Houd er rekening mee dat deze methode een benadering van Shapiro-Wilk is.
- Shapiro-Wilk : algemeen beschouwd als een van de krachtigste normaliteitstoetsen, vooral voor kleine steekproeven (minder dan 50 waarnemingen). De toets berekent een W-statistiek die meet hoe goed de gegevens bij een normale verdeling passen en heeft de voorkeur wanneer steekproeven klein zijn en precisie ertoe doet.
- Title Hiermee voert u een eigen titel in die bovenaan de uitvoer van de waarschijnlijkheidsplot verschijnt. Dat is handig om de grafiek te labelen met de naam van de variabele, het product, de studiereferentie of de datum, zodat het resultaat gemakkelijker te herkennen en te presenteren is in rapporten of documentatie.
- Download as Excel Exporteert de resultaten van de normaliteitstoets, inclusief de toetsingsgrootheid, de p-waarde en beschrijvende statistieken, naar een Excel-bestand voor rapportage, delen met collega's of het bijhouden van een formele registratie van de analyse.
Veelgestelde vragen
Wat is een normaliteitstoets?
Een normaliteitstoets beoordeelt of een dataset een normale verdeling (klokcurve) volgt. Veel methoden, waaronder t-toetsen, ANOVA, regressie en regelkaarten, gaan uit van normaal verdeelde gegevens, dus door eerst een normaliteitstoets uit te voeren bevestigt u of die aanname geldig is. Beschikbare methoden zijn onder meer Anderson-Darling, Ryan-Joiner en Shapiro-Wilk, die elk een p-waarde opleveren.
Hoe interpreteert u de p-waarde van een normaliteitstoets?
Een p-waarde groter dan 0.05 wijst op onvoldoende bewijs om normaliteit te verwerpen, dus de gegevens zijn consistent met een normale verdeling. Een p-waarde kleiner dan 0.05 wijst erop dat de gegevens significant van normaliteit afwijken; overweeg een transformatie of een niet-parametrische methode. Bekijk altijd de waarschijnlijkheidsplot naast de p-waarde.
Welke normaliteitstoets moet u gebruiken?
Anderson-Darling is de aanbevolen standaard; ze geeft meer gewicht aan de staarten, waar niet-normaliteit zich doorgaans toont. Shapiro-Wilk wordt beschouwd als een van de krachtigste toetsen voor kleine steekproeven van minder dan 50 waarnemingen. Ryan-Joiner is een op correlatie gebaseerde benadering van Shapiro-Wilk die meet hoe nauw punten een rechte lijn volgen op een normale waarschijnlijkheidsplot.
Hoeveel datapunten hebt u nodig voor een normaliteitstoets?
Verzamel minimaal 20 datapunten, omdat zeer kleine steekproeven het onderscheidend vermogen missen om niet-normaliteit te detecteren; bij minder dan 10 heeft de toets een zeer laag onderscheidend vermogen. Bij grote steekproeven boven 100 wordt de toets zeer gevoelig voor kleine, praktisch onbelangrijke afwijkingen, dus combineer de p-waarde met een visuele beoordeling van de waarschijnlijkheidsplot.
