minitab正态性检验时，符合正态分布的P值的要求是什么 推荐P>；0.05取决于你的风险承受度。如果你能承受的只是0.005，那么大于0.005，就可以认为是正态。这里的前提是先认为这个分布就是正态分布。大于0.05（或0.0005）时只是没有足够证据能证明它不是正态分布，所以就认为它是正态分布。
什么是正态分布？ 目录62616964757a686964616fe58685e5aeb931333332636431 1正态分布 目录 1正态分布 编辑本段正态分布 normal distribution一种概率分布。正态分布是具有两个参数μ和σ2的连续型随机变量的分布，第一参数μ是服从正态分布的随机变量的均值，第二个参数σ2是此随机变量的方差，所以正态分布记作N(μ，σ2)。服从正态分布的随机变量的概率规律为取与μ邻近的值的概率大，而取离μ越远的值的概率越小；σ越小，分布越集中在μ附近，σ越大，分布越分散。正态分布的密度函数的特点是：关于μ对称，在μ处达到最大值，在正（负）无穷远处取值为0，在μ±σ处有拐点。它的形状是中间高两边低，图像是一条位于x轴上方的钟形曲线。当μ＝0，σ2＝1时，称为标准正态分布，记为N（0，1）。μ维随机向量具有类似的概率规律时，称此随机向量遵从多维正态分布。多元正态分布有很好的性质，例如，多元正态分布的边缘分布仍为正态分布，它经任何线性变换得到的随机向量仍为多维正态分布，特别它的线性组合为一元正态分布。正态分布最早由A.棣莫弗在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。生产与科学。
为什么要检验数据的正态性 有些统计方法只适用于正态分布或近似32313133353236313431303231363533e78988e69d8331333431363635正态分布资料，如用均数和标准差描述资料的集中或离散情况，用正态分布法确定正常值范围及用t检验两均数间相差是否显著等，因此在用这些方法前，需考虑进行正检验。它是统计判决中重要的一种特殊的拟合优度假设检验。常用的正态性检验方法有正态概率纸法、夏皮罗维尔克检验法(Shapiro-Wilktest)，科尔莫戈罗夫检验法，偏度-峰度检验法等。扩展资料检验特点设X？，X？，.，X？表示来自总体的样本，表示样本均值，表示 i 阶样本中心矩。正态分布的偏度和峰度均为 0，其中偏度和峰度的定义分别为该检验就是根据这个特点来检验分布正态性的。三种检验方法1、Anderson-Darling选择此项将执行正态性的Anderson-Darling检验，这是一种基于ECDF（经验累积分布函数）的检验。2、Ryan-Joiner选择此项将执行Ryan-Joiner检验，它类似于Shapiro-Wilk检验。Ryan-Joiner检验是一种基于相关的检验。3、Kolmogorov-Smirnov选择此项将执行正态性的Kolmogorov-Smirnov检验，这是一种基于ECDF的检验。参考资料来源：-正态性检验参考资料来源：-正检验参考资料。
