Saya memiliki pertanyaan di mana ia meminta untuk memverifikasi apakah distribusi Uniform ( ) dinormalisasi.
- Untuk satu, apa artinya distribusi akan dinormalisasi?
- Dan kedua, bagaimana kita memverifikasi apakah suatu distribusi dinormalisasi atau tidak?
Saya mengerti dengan menghitung kita mendapatkan data yang dinormalisasi , tetapi di sini diminta untuk memverifikasi apakah suatu distribusi dinormalisasi atau tidak.
Jawaban:
Sayangnya, istilah digunakan secara berbeda di bidang yang berbeda, oleh orang yang berbeda di bidang yang sama, dll. Jadi saya tidak yakin seberapa baik jawaban ini untuk Anda di sini. Anda harus memastikan Anda tahu definisi yang digunakan instruktur / buku teks Anda untuk "dinormalisasi". Namun, berikut adalah beberapa definisi umum:
Centered:
Perlu diakui di sini bahwa ketiganya adalah transformasi linear ; dengan demikian, mereka tidak mengubah bentuk distribusi Anda . Yaitu, kadang-kadang orang menyebut transformasi skor "normalisasi" dan percaya, karena hubungan skor dengan distribusi normal, bahwa ini telah membuat data mereka terdistribusi secara normal. Ini tidak begitu (seperti @Jeff juga mencatat, dan seperti yang Anda tahu dengan memplot data Anda sebelum dan sesudah). Jika Anda tertarik, Anda bisa mengubah bentuk data Anda menggunakan keluarga transformasi Box-Cox , misalnya.z z
Sehubungan dengan bagaimana Anda dapat memverifikasi transformasi ini, itu tergantung pada apa yang dimaksud dengan itu. Jika maksudnya hanya untuk memeriksa apakah kode tersebut berjalan dengan benar, Anda dapat memeriksa nilai rata-rata, SD, minimum, dan maksimum.
sumber
Dengan menggunakan rumus yang Anda berikan pada setiap skor dalam sampel Anda, Anda mengonversikan semuanya menjadi skor-z .
Untuk memverifikasi bahwa Anda menghitung semua skor-z dengan benar, temukan mean dan standar deviasi baru dari sampel Anda. Jika rata-rata adalah dan standar deviasi adalah 1 , Anda telah melakukan semuanya dengan benar.0 1
Tujuan melakukan ini adalah untuk meletakkan semuanya dalam satuan relatif terhadap standar deviasi sampel Anda. Ini mungkin berguna untuk berbagai keperluan, seperti membandingkan dua set data yang berbeda yang dinilai menggunakan unit yang berbeda (sentimeter dan inci, mungkin).
Penting untuk tidak bingung dengan menanyakan apakah suatu distribusi normal , yaitu apakah ia mendekati distribusi Gauss .
sumber
Setelah berkonsultasi dengan TA, pertanyaan yang diajukan adalah apakah jika
di mana dalam hal ini adalah densitas seragam (a, b).f(x)
sumber