请问我这个数据结果属于正态分布吗，这个q-q图怎么看？ QQ图中的散点沿着45°直线分布则认为是服从正态分布的，图中看明显不是。再说明一下，一般概率图只是起一个辅助的作用，最准确的分布检验是图一那种检验方法，下面顺便附一张QQ图的详细信息。Q-Q概率图（1）检验样本的数据是否服从某种指定分布（原理等于pp图相似），横轴是数据情况，纵轴是理论状况；趋降图横轴是数据情况，纵轴是理论分位数与样本分位数的差值（2）具体操作：分析-描述统计-QQ图（3）散点分布在45°斜线上，则认为数据是服从某一种分布的；趋降图散点分布均匀则认为是服从某种分布的；图表只是一种直观感受，初学者可辅助使用，但是不太准确（4）用统计量来进行检验的方法：分析-非参数检验-旧对话框-一个样本（QQ图中检验认为数据服从正态分布，在这个步骤则用以进一步准确检验是否服从正态分布-即常规），显著值小于0.05则认为不服从该类分布，最终结果以这种高级的统计量为准
QQ图法检验正态分布 最低0.27元开通文库会员，查看完整内容>；原发布者：chunlianm上海交通大学物理系2012.01.03用QQ图法验证正态分布梅春练徐少锋一、提出问题检验一序列是否服从正态分布序列为X(x1，x2，xixN)，（N0）二、QQ图检验法1、将原序列按开序重新排列x1x2xixN2、计算QQ序列样本均值和标准差分别为xxii1NN，(xix)2N1分位数Qixix，tii0.5，通过正态分布表可以查得ti对应的分位数Pi'N…计算如下表所示：数据序列x1xiQixix…xNQNxNxQtQ1x1x…N0.5N10.5t1N查表i0.5tiN查表tN…Q'3、画出QQ图…查表即Q—Q'图，与yx比较，若基本与之吻合则原序列服从正态分布，若相差较大则不服从正态分布。4、接受区间采用Michael拟合优度检验方法给出QQ图的接受区间。Michael拟合优度统计量2Dspmaxrisi，其中，ri(2/)arcstii1/n{，si(2/)arcsin{ui1/2，uiF0[(X(i))/]。通过它可以在图上加上100(1)%接受区间，接受区间界线对应的值计算公式如下：XF01{sin2{arcsin[F01/2(qi)]/2d1上海交通大学物理系2012.01.03如果图中的所有点落在这些区间
最低0.27元开通文库会员，查看完整内容>；原发布者：happywangsi如何检验数据是否服从正态分布一、图示法1、P-P图以样本的累计频率作为横坐标，以安装正态分布计算的相应累计概率作为纵坐标，把样本值表现为直角坐标系中的散点。如果资料服从整体分布，则样本点应围绕第一象限的对角线分布。2、Q-Q图以样本的分位数作为横坐标，以按照正态分布计算的相应分位点作为纵坐标，把样本表现为指教坐标系的散点。如果资料服从正态分布，则样本点应该呈一条围绕第一象限对角线的直线。以上两种方法以Q-Q图为佳，效率较高。3、直方图判断方法：是否以钟形分布，同时可以选择输出正态性曲线。4、箱式图判断方法：观测离群值和中位数。5、茎叶图类似与直方图，但实质不同。二、计算法1、偏度系数（Skewness）和峰度系数（Kurtosis）计算公636f70793231313335323631343130323136353331333433623736式：g1表示偏度，g2表示峰度，通过计算g1和g2及其标准误σg1及σg2然后作U检验。两种检验同时得出U0.05的结论时，才可以认为该组资料服从正态分布。由公式可见，部分文献中所说的“偏度和峰度都接近0…可以认为…近似服从正态分布”并不严谨。2、非参数检验方法非参数检验方法包括Kolmogorov-。
SPSS中想做一QQ图，检验其是否符合对数正态分布时是否需要把原数据进行对数转换，还是直接选择对数正态检 没有必要，你只要在QQ图或PP图中直接选择对数正态分布就可以了。当然，你也可以将原数据进行对数转换，此时需要在QQ图或PP图中选择正态分布。这两个方法是等值的，可以任意选择。
