完全随机设计两样本或者多样本资料的正态性检验可否考虑样本量再做？ 先直接回答你的标题问题：否！具体回答各个问题：1.如果统计检验用到t检验、方差分析等需要均数的检验无论样本量多少都需要正态性检验（是否正态不能凭个人主观感觉，用。
两个独立样本t检验，如果样本非正态分布怎么办？用spss 1.通过F检验可以看到方差是否相等，你说的对的，看第二行2.样本标准差可以使用描述统计中的功能来计算，例如descpritive statistics3.如果样本数量30以上，可以当作正态分布.如果是小样本的话使用t检验即可.可以不管是否伪正态分布，如果不放心的话使用one sample k-s检验，检验总体是否为正态，p
spss 关于两独立样本均数比较的t检验 前提正态性检验的的求助 菜单：分析—非参抄数检验—旧对话框—单样本KS检验 里面可以选择四种分布，你就选择正态分zhidao布 结果中，sig如果大于0.05就了服从正态分布。如果服从正态分布你就用t。
两组样本不符合正态分布，T检验做不了，怎么做检验？求助。 符号秩和检验就行analyse-nonparametric test-2 independent samples Wald-Wolfowitz游程检验也行 自己选一个非参的就行里面有个 test type就是选项 都有的
如果是非正态分布的样本，可以用T检验吗？ 不满足正态就做非参数 或许可以。是这样的，我需要检测两个样本的糖化血红蛋白有无统计学差异。但是样本不是正态分布，应该怎么检验呢？看到您以前的回答说可以用独立样本。
三个样本之间如何进行T检验 检验方法：获取2113三个样本的总体均数，之后5261得到一个样本均数及该样本标准4102差，之后计算样本来自正态1653或近似正态总体。T检验主要用于样本含量较小（例如n），总体标准差σ未知的正态分布。T检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。它与f检验、卡方检验并列。t检验是戈斯特为了观测酿酒质量而发明的，并于1908年在Biometrika上公布。扩展资料T检验注意事项：选用的检验方法必须符合其适用条件。理论上，即使样本量很小时，也可以进行t检验。只要每组中变量呈正态分布，两组方差不会明显不同。可以通过观察数据的分布或进行正态性检验估计数据的正态假设。方差齐性的假设可进行F检验，或进行更有效的Levene's检验。如果不满足这些条件，可以采用校正的t检验，或者换用非参数检验代替t检验进行两组间均值的比较。区分单侧检验和双侧检验。单侧检验的界值小于双侧检验的界值，因此更容易拒绝，犯第Ⅰ错误的可能性大。t检验中的p值是接受两均值存在差异这个假设可能犯错的概率。在统计学上，当两组观察对象总体中的确不存在差别时，这个概率与我们拒绝了该假设有关。一些学者认为如果差异具有特定的方向性，我们只要考虑单。
