10060
There is no translation available.

Minitab 22 - Identifikation der Verteilung - Transformationen für Ryan-Joiner-Tests

  • Erstellt am 23.5.2025
  • Software: Minitab 22

apspaketDas entsprechende APS-Paket ist über unseren ADDITIVE Professional Service erhältlich. Um das Paket zu erhalten, kontaktieren Sie unseren Support per E-Mail an support@additive-net.de oder per Telefon unter +49 6172 5905 20 jeweils unter Angabe der APS-Paketnummern 1071.

Ich habe eine Identifikation der Verteilung gemacht, und keine der Verteilungen passt laut den Anderson-Darling-Tests auf meine Daten. Die Wahrscheinlichkeitsnetze legen nahe, dass die Auflösung der Daten das Problem sein könnte:

Identifikation der Verteilung für C1

 

* HINWEIS * Fehler beim Auswählen einer Johnson-Transformationsfunktion mit p-Wert > 0,1. Es
wird keine Transformation ausgeführt.

Exponential mit 2 Parametern

* WARNUNG * Varianz-/Kovarianzmatrix von geschätzten Parametern ist nicht vorhanden. Der
Schwellenwertparameter wird als fest angenommen, wenn Konfidenzintervalle berechnet werden.

Gamma mit 3 Parametern

* WARNUNG * Varianz-/Kovarianzmatrix von geschätzten Parametern ist nicht vorhanden. Der
Schwellenwertparameter wird als fest angenommen, wenn Konfidenzintervalle berechnet werden.

transformation_fuer_ryan_joiner_01transformation_fuer_ryan_joiner_02transformation_fuer_ryan_joiner_03transformation_fuer_ryan_joiner_04

Wie könnte ich mir in diesem Fall Abhilfe schaffen?

Erläuterung

Der Ryan-Joiner-Test auf Normalverteilung ist geeignet für Daten aus einer normalverteilten Grundgesamtheit, die eine geringen Auflösung besitzen. Jedoch ist ein Datensatz nicht immer aus einer normalverteilten Grundgesamtheit entnommen. Gemäß der Inversionsmethode könnte man die Daten von einer theoretischen Verteilung auf eine Normalverteilung transformieren. Die Idee ist: Wenn die Grundgesamtheit der theoretischen Verteilung folgt, folgen die transformierten Daten der Normalverteilung. Das APS-Paket Nr.  ist ein Makro, das solche Transformationen für die Verteilungen Weibull, Weibull mit 3 Parametern, Kleinster Extremwert, Lognormal, Lognormal mit 3 Parametern, Logistisch, Loglogistisch, Loglogistisch mit 3 Parametern, Größter Extremwert, Gamma, Gamma mit 3 Parametern, Exponential und Exponential mit 2 Parametern durchführt und sowohl für die Originaldaten als auch für die transformierten Daten Ryan-Joiner-Tests durchführt.

Bitte legen Sie das Makro in dem Verzeichnis ab, dass Sie in Minitab unter Datei: Optionen als Speicherort für Makros festgelegt haben.

Beispiel

Die Daten sind in Spalte C1 hinterlegt. Der Befehl für den Aufruf des Makros ist

%ADD_sup_Verteilungsidentifikation_Transformation_Ryan_Joiner C1

Ryan-Joiner-Tests für die Transformationen von C1

 

transformation_fuer_ryan_joiner_05transformation_fuer_ryan_joiner_06transformation_fuer_ryan_joiner_07transformation_fuer_ryan_joiner_08transformation_fuer_ryan_joiner_09transformation_fuer_ryan_joiner_10transformation_fuer_ryan_joiner_11transformation_fuer_ryan_joiner_12transformation_fuer_ryan_joiner_13transformation_fuer_ryan_joiner_14

transformation_fuer_ryan_joiner_15transformation_fuer_ryan_joiner_16transformation_fuer_ryan_joiner_17

* WARNUNG * Varianz-/Kovarianzmatrix von geschätzten Parametern ist nicht vorhanden. Der
Schwellenwertparameter wird als fest angenommen, wenn Konfidenzintervalle berechnet werden.

transformation_fuer_ryan_joiner_18

Dieses Makro ist ein Beispiel für die Automatisierungsmöglichkeiten für Minitab. Trotz aller Sorgfalt übernehmen wir keine Gewährleistung für die Richtigkeit der Berechnungen und Ergebnisse.

Question?

Schreiben Sie uns eine E-Mail an support@additive-net.de, wenn Sie eine Frage zu diesem Artikel haben.

ADDITIVE Menu