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-。
统计 对正态分布的检验是不是用X2的配合度检验啊？ 是否正态一般由原始数据就可以看出来，数据描述的函数形状像倒U型的就是正态，当然可能是正偏态，一般用众数和中数的关系来推断是什么偏态的如果仅仅知道简单的测量的次数。
统计学中的假设检验为什么都是基于正态分布的，如果不是正态分布的又该如何检验呢 基于正太分布的原因是 大自然界中的多数自然现象或者日常的多数数据都是符合正态分布的，也就是类似一个倒U曲线。当然也有不是正态分布的现象，比如投硬币的数据，就是一个二元分布，比如化学中一些元素的放射性 这些都是非正态分布，自然有对应的不同的统计方法
