Calculateur de test de normalité

Un test de normalité est un test d'hypothèse statistique qui évalue si un échantillon de données s'écarte ou non significativement de la normalité. Pour un échantillon \(X_i\) donné, le but du test est d'évaluer si les données s'écartent significativement de la normalité ou non.

Ce test de normalité testera l'hypothèse nulle et alternative suivante:

\(H_0: \) Les données d'échantillon proviennent d'une population normalement distribuée

\(H_A: \) Les données de l'échantillon ne proviennent pas d'une population normalement distribuée

Afin de mener le test Anderson-Darling (AD), la statistique de test suivante est calculée:

\[ A^2 = -n - \frac{1}{n}\sum_{i=1}^{n}\left((2i-1)\ln\Phi(Z_i) + (2(n-i)+1)\ln(1- \Phi(Z_i))\right) \left(1 + \frac{0.75}{n} - \frac{2.25}{n^2} \right)\]

Il existe d'autres tests de normalité qui pourraient vous intéresser, comme le test de normalité Shapiro-Wilk et Kolmogorov-Smirnov.

Si vous avez besoin d'évaluer les propriétés de la distribution de \(X_i\), vous pouvez utiliser notre créateur de diagramme de boîte à moustaches et notre créateur d'histogramme .