Подобрать теоретическое распределение экспериментальному, Какое кроме нормального? Опции

[Диагностик]

Имеются практически собранные данные на реально работающих электрических машинах. Экспериментальное распределение параметра нормальному распределению не принадлежит. Проверено по критерию коэффициента асимметрии. Отличие более чем на 4-ре стандартных отклонений. Какое теоретическое распределение подобрать? Асимметрия правая, имеется тяжёлый правый хвост в последнем интервале. Критерий хи-квадрат гипотезу о нормальности не подтверждает. Гистограмма прилагается. Спасибо.

[DrgLena]

А для чего были собраны данные ?, вряд ли для выяснения вопроса, к какому распределению из известных ближе эти данные. Проводился ли предварительно анализ выскакивающих вариант, какие методы для этого использовались? И можно ли выложить этот ряд в удобном для копирования формате, чтобы таки увидеть тяжелый правый хвост и посмотреть имеющимися у форумчан средствами к какому распределению ближе эти данные. Типа гимнастика ума, но что это дает практически, это знание. При анализе у нас есть только параметрика и непараметрика

[Диагностик]

А для чего были собраны данные ?, вряд ли для выяснения вопроса, к какому распределению из известных ближе эти данные.

В мощных электрогенераторах тепло от активных элементов обмотки статора отводится водой, циркулирующей по полым проводникам стержней которые соединяются между собой при помощи патрубков, образуя группы последовательно соединённых стержней.
Каждая группа (гидравлическая ветвь) состоит из 4-х стержней, и все группы подключаются параллельно к напорному и сливному коллекторам. На последнем стержне гидравлической ветви установлены термометры сопротивления для контроля проходимости дистиллята через полые проводники стержней ветви. Таких точек измерения -276. В связи с множеством случайно влияющих на нагрев факторов температуру нагрева можно считать случайной величиной распределённой по какому-то закону. Для определения закона распределения этой случайной величины были проведены измерения на 10-ти генераторах и объёдинены в общую выборку.
Знание функции распределения температуры позволит определить максимальное
значение температуры стержня для бездефектного состояния ветви. Если наблюдаемая температура окажется выше предельного значения, следует искать причину не в случайности естественного разброса, а в появлении на самом деле влияющего фактора.

[DoctorStat]

Знание функции распределения температуры позволит определить максимальное
значение температуры стержня

Вот и исследуйте влияние функции распределения (при заданных среднем значении и дисперсии) на максимальную температуру стержня. В качестве примера возьмите параметризованную нормальную функцию распределения. Для крайнего значения параметра, например =0, эта функция распределения должна совпадать с нормальной, для другого крайнего значения параметра, например =1, ф.р. должна иметь максимально тяжелый хвост. На всем интервале изменения параметра от 0 до 1, статистические тесты должны давать равное отличие экспериментальной от теоретической кривой распределения. Подставьте параметризированную функцию в формулу для максимальной температуры, чтобы понять, насколько наличие тяжелых хвостов влияет на температуру. Возможно, что влияние формы распределения мало, и можно обойтись нормальным приближением.