Để xem xét phân phối chuẩn của một biến ta có
rất nhiều cách như vẽ biểu đồ, sử dụng kiểm đinh phân phối chuẩn… Sau đây là
một số cách thông thường.
Ví dụ: Ta
muốn kiểm tra 2 biến liên tục là thời gian bà mẹ nghỉ sinh (a120) và chiều cao
của bà mẹ (m132a).
a. Các phương
pháp vẽ đồ thị.
histogram
a120, normal
histogram m132a, normal
Nhìn và đồ thị histogram của 2 biến, ta có thể
thấy rằng biến a120-Thời gian nghỉ sinh của bà mẹ là biến liên tục không có
phân phối chuẩn. Biến 132a –Chiều cao của
bà mẹ dường như có phân phối chuẩn (phân bố hình chuông). Để kiểm tra phân phối
này ta có thể xem xét trên các dạng đồ thị khác hoặc sử dụng kiểm định phân phối
chuẩn sẽ được mô tả sau đây.
*Đồ thị dotplot
dotplot a120
dotplot
m132a
*Graph box
graph box a120
graph box m132a
*Q-Q plot
qnorm a120
qnorm m132a
*P-P plot
pnorm a120
pnorm m132a
b.Phương
pháp xem xét các giá trị Skewness và Kurtosis
Skewness
(độ lệch) và kurtosis (đồ gù) là hai chỉ số chính chúng ta cần xem xét để quyết
định biến định lượng có phân phối chuẩn hay không. Một biến có phân phối chuẩn
khi giá trị của skweness và kutorsis tiến
gần đến giá trị 0 và 3.
*Mô tả biến
summarize
a120,d
summarize
m132a,d
*Sử dụng kiểm định 2 giá trị
Ta dùng lệnh
sktest [tên biến].
sktest a120
sktest
m132a
Trong kiểm
định phân phối chuẩn này. Giả thiết Ho của chúng ta là biến có phân phối
chuẩn.Vì vậy dựa vào giá trị p ta có thể xác định được là sẽ bác bỏ hay chấp
nhận Ho để biết phân phối có chuẩn hay không?
Nhận xét ví
dụ:
Kết quả kiểm
định biến a120-Thời gian nghỉ sinh của bà mẹ, chúng ta thấy giá trị p value của
kiểm định của Skewness và Kurtosis đều có p<0.05 à
Ho bị bác bỏ, có nghĩa là biến a120 phân phối không chuẩn.
Kết quả kiểm
định biến m132a -Chiều cao của bà mẹ có giá trị p value của Skewness >0.05
và Kurtosis p<0.05 àChấp nhận Ho, biến m132a có phân phối chuẩn.
