Hallo
Ich bin gerade ein bisschen verwundert, dass ich in LabVIEW nirgends einen Hypothesentest auf Normalverteilung finde... (Chi-Quadrat oder ähnliches)
Ich möchte nämlich wissen, ob Werte in einem Array annähernd normalverteilt sind...
Gibts tatsächlich keine Möglichkeit, oder verlang ich da zuviel von meiner 8.0 Version?
Sonst bietet LabVIEW doch eigentlich eine breite Palette an wichtigen Tests.
Daten lassen sich an eine Normalverteilung fitten. Schau mal
dieses Beispiel an, ob sich damit etwas anfangen läßt.
Bin in Statistik (noch) nicht so bewandert, aber kann man das eventuell über einen Korrelationstest abbilden?
Ansonsten denke ich, kann und muss man es zu Fuß programmieren.
Oder R einsetzen.
@Lucki
Der Fit an die Normverteilung liefert jedoch kein statistisches Maß bzw. Aussage über die Null-Hypothese.
' schrieb:Gibts tatsächlich keine Möglichkeit, oder verlang ich da zuviel von meiner 8.0 Version?
Sonst bietet LabVIEW doch eigentlich eine breite Palette an wichtigen Tests.
Erst mal richtig googeln ("Chi square dristribution" +Labview).
Fundstelle z.B diese:
(must nur noch rausfinden, was eine "Continuous CDF" ist
)
• LabVIEW 8.x does not support the Chi Square Distribution,
F Distribution, Normal Distribution, and T Distribution VIs. Use the
Chi-Squared, F, Normal, and Student t instances, respectively, of the
Continuous CDF VI instead.
• LabVIEW 8.x does not support the Inv Chi Square Distribution, Inv F
Distribution, Inv Normal Distribution, and Inv T Distribution VIs. Use
the Chi-Squared, F, Normal, and Student t instances, respectively, of
the Continuous Inverse CDF VI instead.
Ja, die Verteilungen hat man, aber das ist noch kein Hypothesentest.
Also ich denke inzwischen auch, dass man es ja mal zu Fuß programmieren könnte.
Am simpelsten wäre der "Test nach David"; nur eine Formel und die Tabelle wär auch schnell abgeschrieben.
Ansonsten müsste ichs mal mit Shapiro-Wilk versuchen... sieht aber schon nach mehr Arbeit aus.
Alle anderen Test sind mir zu kompliziert.
Trotzdem danke fürs drüber Gedanken machen
