Minitab和DE-G正态性检验有什么区别？数据分布与检验结果对比

检查产品尺寸、测试电压或设备加工时间时，正态性检验经常出现在分析流程里。同一批数据放进不同软件，可能出现概率值不一致，甚至一边拒绝正态性、另一边没有拒绝的情况。Minitab与DE-G都提供相关检验，比较时要同时核对检验方法、参与计算的数据和图形中的偏离位置，才能解释结果差异。

一、Minitab和DE-G正态性检验有什么区别？

两款软件的一个明确差别是检验方法组合。Minitab的正态性检验入口提供三种方法，DE-G的产品功能资料列出了Shapiro-Wilk、Anderson-Darling和Kolmogorov-Smirnov检验。DE-G以下按功能名称定位，具体菜单层级以所用版本为准。

1、在Minitab中选择检验方法

①、将待分析的原始测量值放入一列，保留测量精度，依次点击【统计】→【基本统计】→【正态性检验】。

②、在【变量】中选择测量列，在检验方法中选择【Anderson-Darling】，确认后生成结果。

③、记录图中的【N】、【AD】和【P值】，需要比较方法时，对同一列分别选择【Ryan-Joiner】和【Kolmogorov-Smirnov】重新运行。

Minitab会在该分析中生成正态概率图。三种方法对分布偏离的敏感程度有所不同，其中Anderson-Darling对尾部偏离给予较多关注。

2、在DE-G中核对具体检验项目

DE-G的功能名称与Minitab并非完全对应。开始比较前，可以先在当前版本的帮助中确认方法说明及输入要求。

①、在DE-G的【帮助】中打开【使用手册】，定位【Shapiro-Wilk检验】或【Anderson-Darling检验】的说明。

②、按该版本入口打开对应分析，将同一份原始数据中的【测量值列】作为检验对象，核对是否存在筛选或分组。

③、运行后记录【检验方法】、【检验统计量】和【P值】，将结果与本轮使用的数据范围一起保存。

3、对应方法名称后再比较

①、需要使用相同方法核对时，在两边选择【Anderson-Darling检验】，并确认目标分布为正态分布。

②、如果DE-G使用【Shapiro-Wilk检验】，在对照记录中写明方法名称，保留它与Minitab【Ryan-Joiner】结果之间的方法差异。

③、使用【Kolmogorov-Smirnov检验】时，核对目标分布、参数是否由样本估计，以及概率值采用的校正方式。

Ryan-Joiner与Shapiro-Wilk思路相近，但统计量和概率计算不同。表中DE-G的方法清单也不足以确认每个版本的默认选项，实际对照时应保留方法说明。

二、数据分布与检验结果对比

检验回答的是样本是否提供了反对正态分布假设的证据。图形则帮助判断偏离发生在哪里，两部分放在一起看，结论才容易落到实际数据上。

1、对照同一数据的分布形状

①、核对两款软件中的【有效样本量】，确认没有因缺失值、筛选条件或导入格式而少用观测。

②、在Minitab的【正态概率图】中观察测量点与参考直线的关系，记录整体弯曲、尾部偏离或个别远离直线的点。

③、对照DE-G当前版本提供的分布图形。若使用【直方图】，保持组距一致，检查偏斜、双峰和集中堆叠的位置。

④、发现某个极端值时，返回【原始记录】核对单位、测量设备和录入内容，保留核查依据。

概率图中持续弯曲，可能反映系统性的分布偏离。直方图出现双峰时，还应考虑数据是否混合了不同设备或批次。个别点离得较远，则需要先确认它是真实观测还是记录错误。

2、按同一显著性水平读P值

比较结果前，应预先确定判断阈值。例如采用0.05时，两款软件都使用这个标准，避免看完结果再改变阈值。

①、在两边结果中核对【P值】，当它小于或等于预设显著性水平时，记录为拒绝正态性假设。

②、当【P值】大于显著性水平时，记录为现有样本未提供足够证据拒绝正态性，并结合图形评价。

③、若报告显示【P值＜0.005】等范围形式，按范围解释。不要把范围边界当成精确概率值，与另一软件的小数直接相减。

三、Minitab和DE-G正态性结论不一致怎么查？

结果接近判断阈值时，方法差异或计算细节都可能改变是否拒绝的结论。排查时可以先对齐输入，再确认比较的是同一种检验。

1、检查样本处理和统计量口径

①、用【样本编号】逐行核对两边数据，检查小数位、重复记录、缺失值和排除状态。

②、核对【分组条件】，确认一边没有按设备分别检验，另一边却将所有设备合并计算。

③、比较【检验方法】和统计量名称。对Anderson-Darling，还应核对报告使用的是原统计量还是经过样本量调整的统计量。

④、若方法和数据均一致，查阅两边【使用手册】中的概率计算说明，检查参数估计、近似算法及输出精度。

接近阈值的结果，应连同概率值和图形一起报告。只保留“通过”或“不通过”，会掩盖边界判断中的信息，也不便于后续复核。

2、结合样本量和后续分析作判断

小样本可能难以识别分布偏离，大样本又可能把细微偏离检出。后续分析对正态性的要求也不同，应明确本轮检查的对象。

①、在结果中记录【样本量】，对较少观测保留图形和采样条件，对大量观测检查偏离程度及实际影响。

②、若为配对比较做准备，检查【配对差值列】。若为回归或方差分析诊断，检查模型的【残差】，并结合残差结构评价假设。

③、若为过程能力分析准备数据，核对【批次】、【设备】和采样时间，确认过程状态及分组方式，再评价正态分布能否合理描述数据，尤其是尾部。

总结

Minitab与DE-G的正态性检验比较，应建立在相同数据、明确方法和一致判断标准上。方法清单能说明软件提供哪些工具，图形与检验结果则决定这些工具怎样用于当前问题。遇到结论不同，保留原始记录和分析设置，比挑选一个更符合预期的概率值更便于审核。希望这些核对方法能为数据分布分析提供参考。