Anderson-Darling-test uitvoeren in Minitab

Wil je een Anderson-Darling-test uitvoeren in Minitab? Zet je metingen in één kolom en kies Stat > Basic Statistics > Normality Test. Op deze pagina doorloop je de handelingen stap voor stap en leer je de uitkomst beoordelen. Wil je eerst begrijpen wat de test meet? Lees dan de algemene uitleg over de Anderson-Darling-test.

Gegevens voorbereiden in Minitab

Zet de numerieke metingen die je wilt toetsen onder elkaar in één kolom van het Minitab-werkblad. Gebruik gegevens van dezelfde variabele en uit hetzelfde proces. Geef de kolom een herkenbare naam, bijvoorbeeld Doorlooptijd.

Stappen in Minitab

1. Kies Stat > Basic Statistics > Normality Test.
2. Selecteer bij Variable de kolom met je metingen.
3. Kies Anderson-Darling als normaliteitstest.
4. Klik op OK om de test uit te voeren.

Uitkomst beoordelen in Minitab

Minitab toont na de test een probability plot, de Anderson-Darling-statistiek en de p-waarde. Gebruik vooral de p-waarde en de probability plot om te beoordelen of de gegevens duidelijk afwijken van een normale verdeling.

Vergelijk eerst de p-waarde met het significantieniveau α = 0,05. Bij p ≤ 0,05 verwerp je H0: de gegevens wijken statistisch significant af van een normale verdeling. Bij p > 0,05 heb je onvoldoende bewijs om H0 te verwerpen. Dit bewijst niet dat de gegevens normaal verdeeld zijn.

Bekijk daarnaast de probability plot. Liggen de punten ongeveer langs de rechte lijn, dan past de normale verdeling redelijk bij de gegevens. Een duidelijke kromming of opvallende uitschieters kan op een afwijking wijzen. Beoordeel daarom de p-waarde en de grafiek altijd samen.

Praktijkvoorbeeld: doorlooptijd beoordelen

Stel dat je de doorlooptijd van 40 aanvragen onderzoekt. Minitab geeft een p-waarde van 0,018. In de probability plot wijken de punten bovendien duidelijk af van de rechte lijn. Omdat 0,018 ≤ 0,05, verwerp je H0. De zorgvuldige conclusie is: deze metingen wijken statistisch significant af van een normale verdeling.

Dit betekent niet automatisch dat het proces slecht presteert. Controleer eerst of de gegevens correct zijn ingevoerd en uit hetzelfde proces komen. Onderzoek vervolgens of bijvoorbeeld verschillende aanvraagtypen, perioden of bijzondere oorzaken door elkaar lopen. Bepaal daarna of de vervolganalyse werkelijk een normale verdeling vereist. Afhankelijk van het onderzoeksdoel kun je een passende transformatie, een andere verdeling of een methode zonder normaliteitsaanname overwegen.

Veelgemaakte fout: gegevens direct transformeren

Een lage p-waarde is geen reden om de gegevens automatisch te transformeren. Een afwijkende verdeling kan waardevolle informatie bevatten over het proces. Onderzoek daarom eerst waardoor de afwijking ontstaat. Gebruik naast de p-waarde altijd de probability plot, de omvang van de steekproef en je proceskennis.

Zelf oefenen? Gebruik een reeks numerieke metingen uit hetzelfde proces. Zet deze in één kolom, voer de test uit en leg in je conclusie zowel de p-waarde als het patroon in de probability plot vast.

Wil je Minitab en statistische analysetechnieken leren toepassen binnen een verbeterproject? Bekijk dan de Lean Six Sigma Black Belt van 5ST3PS.

Auteur en bron

Geschreven door Willem Salentijn, hoofdtrainer van 5ST3PS en auteur van Lean Six Sigma bij Noordhoff. Laatst inhoudelijk gecontroleerd: 26 juli 2026.

Bron voor de interpretatie van de resultaten: Minitab Support – Interpret the key results for Normality Test.