Kolmogorov-Smirnov检验MATLAB中的正态性 - 数据标准化？

Question

我在MATLAB中使用Kolmogorov-Smirnov检验来确定在执行广义线性回归之前数据矩阵的每列的正态性。示例数据向量是：

data = [8126,3163,9129,5399,8682,1126,1053,7805,2989,2758,3277,1152,6994,6833];

测试运行并给我一个结果。但是，当我绘制经验累积分布函数（cdf）（蓝色）和标准正态cdf（红色）进行直观比较时，这样的数据向量的比例是这样的，图表是没有用的：

用于绘制此图的代码是：

[h,p,ksstat,cv] = kstest(data);
[f,x_values] = ecdf(data);
figure()
F = plot(x_values,f);
set(F,'LineWidth',2);
hold on
G = plot(x_values,normcdf(x_values,0,1),'r-');
set(G,'LineWidth',2);
legend([F G],...
    'Empirical CDF','Standard Normal CDF',...
    'Location','SE');

这是否意味着我的测试结果无效？如果是，我可以将数据标准化，例如

dataN=(data-min(data))./(max(data)-min(data)); 

同时保持测试有效性？

感谢您的时间，

劳拉

Answer 1

感谢Luis Mendo，我解决了这个问题。 normcdf需要数据向量的均值和标准差作为输入，我没有从我正在使用的示例代码中改变。编辑的代码是：

[h,p,ksstat,cv] = kstest(data);
[f,x_values] = ecdf(data);
figure()
F = plot(x_values,f);
set(F,'LineWidth',2);
hold on
variableMean = mean(data);
variableSD = std(data);
G = plot(x_values,normcdf(x_values,variableMean,variableSD),'r-');
set(G,'LineWidth',2);
legend([F G],...
    'Empirical CDF','Standard Normal CDF',...
    'Location','SE');