Calculatrice de test de normalité

Un test de normalité est un test d'hypothèse statistique qui évalue si un échantillon de données s'écarte significativement de la normalité. Pour un échantillon donné \(X_i\), le test vise à déterminer si les données s'écartent significativement de la normalité.

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

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

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

Afin de réaliser le test d'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, tels que le test de normalité de Shapiro-Wilk et le test de normalité de Kolmogorov-Smirnov.

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