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 知道峰度偏度后怎么判断是否正态分布 峰度和偏度是用来判断是服从正态分布的，这个可以这样考虑，如果服从正态分布，用均值，不服从用中位数，可以参考用哪种平均数。
关于stata数据分析 这个是用stata summarize。detail，命令后得出的表格啊不要太纠结，那个percentiles那一列和 后面那一列 smallest和 largest本来就不是一一对应的关系。它只是用的这种表格形式而已。percentiles这一列是数据的百分位点的值，而smallest这一列 是说整个变量中 最小的前5个数字，largest这一列是表示这一列变量最大的5个数字。后面就知道了哈，variance 是方差，std 是标准差，skewness是偏度，与0比较，跟零接近是说明偏度很小，可以视为作为对称。kurtosis 是峰度，要与3比较，明显大于3，说明峰度比较高
