Distribution Diagnosis · Interactive Tutorial

Q-Q Plot
看一条线，就知道分布

分位数-分位数图（Quantile-Quantile Plot）把样本的分位数 和理论分布的分位数画在同一张图上—— 直线 = 吻合，弯曲 = 偏离。

// 01 · 概览

什么是 Q-Q plot？

Q-Q plot 把两个分布的分位数一一配对画在散点图上，通过点的形态判断样本分布与理论分布的差异。
实务中最常用的是 Normal Q-Q plot：用标准正态分布作为参考，判断样本是否服从正态。

排序样本

把样本值从小到大排序：x₍₁₎ ≤ x₍₂₎ ≤ ... ≤ x_(n)

算理论分位

对每个排名 i，计算 p_i = (i − 0.375) / (n + 0.25)，再求 Φ⁻¹(p_i)

标准化样本

把样本 z-score 化：(x − x̄) / s，使其与标准正态可比

画散点

X 轴 = 理论分位，Y 轴 = 样本分位，每个点对应一个观测

读图形

直线 → 服从理论分布；弯曲 → 偏离（具体形状对应特定偏离）

// 02 · 解剖

拆解一张 Q-Q plot

把鼠标悬停在右侧任一部件上，左侧图会高亮对应区域。

四大核心部件

简洁，但每一部分都不可少。

数据点 (n 个) 每个点 = 一个观测值的 (理论分位, 样本分位) 对

参考直线 Y = a + bX，对样本做线性拟合；点贴线 = 吻合

X 轴：理论分位 标准正态分布的逆 CDF 值（典型范围 −3 到 +3）

Y 轴：样本分位 样本标准化后的 z-score，与 X 同尺度

// 03 · 形态识别

六种典型形态，一图一故事

Q-Q plot 的核心技能是从点的形状反推分布特征。下表 + 下图帮你建立视觉直觉。

① 正态分布 ✓

点沿直线排列 → 数据服从正态

② 右偏 (Lognormal)

右上凸起 → 长右尾

③ 左偏

左下凸起 → 长左尾

④ 重尾 (T 分布)

S 形 → 两端尾部偏厚

⑤ 均匀分布

点呈轻微 S 形 → 尾部偏薄

⑥ 双峰分布

阶梯型 → 存在两个峰

📖 形态解读速查表

形状	数据特征	典型分布	建议处理
／直线	完全吻合理论分布	正态 / 选定的参考分布	放心使用参数检验
∪ 凸形（上凸）	右偏，长右尾	Lognormal, Exponential, χ²	log 变换或 Box-Cox
∩ 凹形	左偏，长左尾	Beta (反向), 负偏分布	镜像或幂变换
S S 形	重尾，两端都比正态厚	T 分布, Cauchy	用稳健统计量
S̄ 反 S 形	轻尾，集中在中间	Uniform, Beta(2,2)	通常无需变换
⊏⊐ 阶梯型	存在多峰或聚类	Bimodal, Mixture	分段建模
↑↑ 尾部偏离	有极端离群值	Contaminated normal	剔除 / winsorize

// 04 · 数学原理

这些数字怎么算的？

理解 Q-Q plot 的数学基础，能帮你更准确地判断图形。

① 样本分位数

对排序后的样本 x₍₁₎ ≤ x₍₂₎ ≤ ... ≤ x_(n)，第 i 个样本点对应的累计概率为：

p_i = (i − 0.375) / (n + 0.25)

// 这个公式叫 Blom 近似，比朴素的 i/n 更稳健，避免 ±∞ 边界

② 理论分位数（逆 CDF）

用逆 CDF（quantile function）把概率转回数值：

q_i = Φ⁻¹(p_i)

// 对标准正态，Φ⁻¹ 用 Beasley-Springer-Moro 近似：
Φ⁻¹(0.975) ≈ 1.96
Φ⁻¹(0.995) ≈ 2.576

③ 参考直线

用一阶矩和二阶矩估参，画一条最贴近散点的直线：

μ̂ = mean(x)         // 估计均值
σ̂ = std(x)          // 估计标准差

line: Y = (x − μ̂) / σ̂   // z-score 化后斜率为 1

// 实务中通常直接用 Q₁ 和 Q₃ 两个分位点连成参考线（更稳健）

// 05 · 亲手构建

交互式 Q-Q 构建器

切换分布类型 + 调整样本量，左图直方图 + 右图 Q-Q plot 联动更新。

样本量 N 100

真实分布

📊 看什么： ① 点越贴参考线 → 越接近正态
② R 值越接近 1.0 → 越线性
③ 偏度/峰度看具体偏离方向

直方图

Normal Q-Q Plot

// 06 · 残差图

Detrended Q-Q plot

残差图把样本值减去参考直线，把偏离"放大"在 0 附近。更容易看出具体的偏离模式（尤其是尾部）。

选择分布

📖 残差图读法： · 残差围绕 0 随机散布 → 吻合理论分布
· 残差呈现某种趋势曲线（U 形 / 倒 U / S） → 系统性偏离
· 残差在某些点突跳 → 数据有聚类或离群

// 07 · 与相似方法对比

Q-Q plot vs 其他正态性检验

不同的诊断工具各有所长，组合使用效果最佳。

方法	输出	优点	缺点
Q-Q plot	图形	直观，能看出偏离模式	主观，无 p-value
Shapiro-Wilk 检验	p-value	小样本最敏感；客观判断	不能诊断偏离模式
Anderson-Darling	p-value + 临界值	对尾部偏离敏感	同 Shapiro，无图形
Kolmogorov-Smirnov	p-value	通用（任意分布）	对正态检验不够敏感
直方图 + KDE	图形	整体形态一目了然	bin 宽度影响大，掩盖细节
Boxplot	图形	看 5 数概括 + 离群点	看不到具体分布形状

💡 最佳实践

不要只用一种方法。
· 先画 Q-Q plot（看模式）
· 再跑 Shapiro-Wilk 或 AD（拿 p-value）
· 检查偏度/峰度（量化偏离）
· 大样本时，Q-Q plot 末尾几个点的偏离几乎必然出现——别过度解读

// 08 · 何时用

什么时候该用 Q-Q plot？

它不是万能工具，但在以下场景极为有用。

✅ 检验正态假设

做 t 检验 / ANOVA / 线性回归前，先看残差是否正态。

✅ 选择变换方法

看到右偏 → log；看到左偏 → 平方/立方；选哪个靠 Q-Q plot 决定。

✅ 发现离群值

Q-Q plot 的尾部点若严重偏离参考线，就是潜在离群点。

✅ 比较两组分布

两批样本做 Q-Q plot：直线 = 同分布，弯曲 = 形状不同。

// 09 · 一句话

记住这张卡片就够了

点 = 样本 vs 理论的分位对
参考线 = 完全吻合的样子
点贴线 = 服从理论分布
弯向哪边 = 偏离哪种形态

qq plot = compare two distributions through their quantiles, point-by-point

Q-Q Plot看一条线，就知道分布