为什么要做方差齐性和正态检验 很多时候，我们都需要使用从单一样本中获取的样本信息利用统计推断的方法来估计总体的参数信息，这是一种非常有用的统计方法，但在执行相关推断之前，我们需要验证一些假定，任何一条假定若是不能满足，则得到的统计结论就是无效的。通常数据的分析假设为：随机数据，独立的，正态分布，等方差，稳定，当然，测量系统的精确性和准确性也是要满足测量要求的。什么是正态分布假定？在再进行统计分析之前，需要识别出数据的分布，否则，错误的统计检验将带来一定的风险，许多统计方法在执行之前嘉定数据服从正态分布，比如，单/双样本-T检验，过程能力分析，I－MR和方差分析等。如果数据不满足正态分布，则需要使用非参数方法，利用中位数进行检验而不是均值，也可以使用BOX－COX转换或JOHNSON变换的方法把数据转换为正态分布。但是需要知道许多统计工具虽然假定数据满足正态但实际上当样本量大于15或20的时候就不需要正态分布了，但是如果样本量小于15且数据不满足正态分布，P值得数据就是错误的，相关统计结论就需要特别注意了。在Minitab中，有许多方法可以判断数据的分布是否满足正态，下面我们来了解两种比较常用的方法：正态检验和图形化汇总Minitab的正态检验将。
两独立样本，一个服从正态分布，一个不服从。能否做T检验？如果不能，应该用秩和检验吗？ 第一个问题，你的假设是正确的。第二个问题，首先，单因素方差分析的前提是符合正态性，如果数据不符合正态性，可以将原数据进行转换，比如开根号，倒数，ln，log等，如果。
t检验之前一定要做正态检验吗 t检验只是大致要求样本服从正态分布，只要你的样本不是严重背离正态分布，那么t检验的结果都是可靠的.你仅需要使用条形图看看你的样本有没有严重背离正态分布就可以了.其理由是，根据中心极限定理，无论样本来自何种分布.
