1樓：
有些統計方法只適用於正態分佈或近似正態分佈資料，如用均數和標準差描述資料的集中或離散情況，用正態分佈法確定正常值範圍及用t檢驗兩均數間相差是否顯著等，因此在用這些方法前，需考慮進行正檢驗。
它是統計判決中重要的一種特殊的擬合優度假設檢驗。常用的正態性檢驗方法有正態概率紙法、夏皮羅維爾克檢驗法(shapiro-wilktest)，科爾莫戈羅夫檢驗法，偏度-峰度檢驗法等。
擴充套件資料
檢驗特點
設x₁，x₂，... ，xₙ表示來自總體的樣本，
表示 i 階樣本中心矩。正態分佈的偏度和峰度均為 0，其中偏度和峰度的定義分別為
該檢驗就是根據這個特點來檢驗分佈正態性的。
三種檢驗方法
1、anderson-darling
選擇此項將執行正態性的anderson-darling檢驗 ，這是一種基於ecdf（經驗累積分佈函式）的檢驗。
2、ryan-joiner
選擇此項將執行ryan-joiner檢驗 ，它類似於shapiro-wilk檢驗。ryan-joiner檢驗是一種基於相關的檢驗。
3、kolmogorov-smirnov
選擇此項將執行正態性的kolmogorov-smirnov檢驗 ，這是一種基於ecdf的檢驗。
2樓：浪跡天涯的流星
1、因為正態分佈是我們最熟知的分佈之一，其有許多非常良好的統計特性。如果資料服從正態分佈會近似服從正態分佈，能為我們進行下一步的統計分析提供很多便利。
2、生成正態概率圖並進行假設檢驗，以檢查觀測值是否服從正態分佈。對於正態性檢驗，原假設為h0:資料服從正態分佈;備擇假設h1:資料不服從正態分佈。
3、圖形中的垂直尺度類似於正態概率圖中的垂直尺度。水平軸為線性尺度。此線形成資料所來自總體的累積分佈函式的估計值。
圖中會顯示總體引數的數字估計(xbar和 s)、正態性檢驗值以及關聯的p 值。
統計學中的假設檢驗為什麼都是基於正態分佈的，如果不是正態分佈的又該如何檢驗呢
3樓：呂秀才
基於正太分佈的原因是 大自然界中的多數自然現象或者日常的多數資料都是符合正態分佈的，也就是類似一個倒u曲線。
當然也有不是正態分佈的現象，比如投硬幣的資料，就是一個二元分佈，比如化學中一些元素的放射性 這些都是非正態分佈，自然有對應的不同的統計方法
4樓：匿名使用者
所謂正態性前提，是假設性檢驗應用的一個條件，就像你物理實驗時要具備的一個實驗環境下的前提，因為你最終估計出來的均值或其他統計量的置信區間是要用正太統計量去衡量的，非正態性分佈，如果是t分佈，用t統計量，f分佈和卡方分佈，同理用卡方檢驗
正偏態與負偏態在正偏態分佈中，為什麼平均數大於中位數大於眾數
墨汁諾 無論是在正偏態還是負偏態中，眾數都是在最邊上的，因為它表示極值。正偏態中，因為低分多，總體來說大部分人是低於平均數的，所以平均數 中位數。而由於這裡的眾數純粹由低分構成，不像平均數和中位數還有高分低分融合著算，所以是最小的，所以是平 中 眾。偏態量峰態量用描述資料布特徵統計量。偏態量 sk，...
檢驗電荷的作用，檢驗電荷是什麼檢驗電荷是正電還是負電
也叫試探電荷 檢驗電荷是描述電場的時候引入的理想電荷。我們知道電荷的周圍存在電場，如果為了描述一個已經存在的電場，必須要利用電場的一個基本性質 對放入電場的電荷有力的作用。但是對放入電場的電荷也要產生電場，使原來的電場被破壞。所以為了研究原來的電場，就必須對放入電場有要求，就是這個電荷產生的電場必須...
層次分析法為什麼要進行一致性檢驗
看雲的太陽 判斷矩陣通常的是不一致的,但是為了能用它的對應於最大特徵根的特徵向量 作為被比較因素權向量,其不一致程度應在容許的範圍內. 小山村情懷 1 層次分析法是將決策問題按總目標 各層子目標 評價準則直至具體的備投方案的順序分解為不同的層次結構，然後得用求解判斷矩陣特徵向量的辦法，求得每一層次的...