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
统计学中的正态分布数值表是用什么方法得出来的？ 标准正态分布的分布函数Φ(x)的函数值，是对每个x通过近似计算下列积分得到的：∫∞，x>；[1/√(2π)]*e^[-(t^2)/2]*dt
统计学 一般正态分布如何转换成标准的正态分布 为什么要将Z带入一般正态分布的分布函数里？如你所言，如果X服从N(μ，σ^2)，那么Z也就服从标准正态分布N(0，1)啊.此时，Z的分布函数也就是标准正态分布的分布函数啊，其中，1/（2∏б）中的分母б=1.一般正态分布的x值减去其均值再除以其西格玛水平所得的z值就是对应标准正态分布的x值。再通过标准正态分布表就可以算出其概率。这时候的z值也是这个一般正态分布在这个概率下的西格玛水平。求证：假设X～N(μ，σ^2)，则Y=(X-μ)/σ～N(0，1).证明：因为X～N(μ，σ^2)，所以P(x)=(2π)^(-1/2)*σ^(-1)*exp{[-(x-μ)^2]/(2σ^2)}.(注：F(y)为Y的分布函数，Fx(x)为X的分布函数）而 F(y)=P(Y≤y)=P((X-μ)/σ≤y)P(X≤σy+μ)=Fx(σy+μ)所以 p(y)=F'(y)=F'x(σy+μ)*σ=P(σy+μ)*σ[(2π)^(-1/2)]*e^[-（x^2)/2].从而，N(0，1).
