Answers:
不可以-您不能说“样本具有正态分布”或“样本来自具有正态分布的总体”,而只能说“您不能拒绝样本来自具有正态分布的总体的假设”。
实际上,样本不具有正态分布(请参见下面的qqplot),但由于它只是一个样本,所以您不会期望它具有正态分布。有关基本人口分布的问题仍然悬而未决。
qqnorm( c(0.269, 0.357, 0.2, 0.221, 0.275, 0.277, 0.253, 0.127, 0.246) )
qqnorm(runif(9))
可以产生相似的结果。所以我们实际上不能说什么...
不拒绝零假设是一个迹象,你有样本太小,捡起你有什么正常的偏差-但你的样品是如此之小,甚至从常态相当大的偏差可能不会被检测到。
但是假设检验,是一个很值得在大多数情况下,跑题了,人们用正常进行的测试-你真正知道答案,你正在测试的问题-从数据人口的分布绘制的不将是正常的。(有时可能很接近,但实际上是正常的吗?)
您应该关心的问题不是“是从正常分布中得出的分布”(不是)。您实际上应该关心的问题更像是“偏离正常值会严重影响我的结果吗?”。如果这可能是一个问题,则可以考虑进行分析的可能性较小。
我进一步推测您正在查看比例,在这种情况下,如果您担心违反假设,则可以使用二项分布。
如果是让您进行Shapiro测试的其他问题,您可以忽略我刚才所说的一切。
我还在研究如何在Shapiro-Wilk检验中正确解释W值,并且根据Emil OW Kirkegaard的文章“ 使用不同数据集可视化的Shapiro-Wilk检验中的W值 ”,很难说出分布只看W值。
正如他总结所言:
通常,我们看到在给定大量样本的情况下,SW对偏离非正态性很敏感。但是,如果偏离很小,那不是很重要。
我们还看到,即使有人刻意尝试,也很难降低W值。一个人需要测试极端的非正态分布,以使其明显下降到.99以下。
有关更多信息,请参见原始文章。
先前的答案未提及的一个重要问题是测试限制:
该测试有局限性,最重要的是该测试在样本数量上存在偏差。样本越大,您越有可能获得具有统计意义的结果。
qqnorm(rnorm(9))
几次...