1樓：暴走少女
正態分佈具有兩個引數μ和σ^2的連續型隨機變數的分佈，第一引數μ是服從正態分佈的隨機變數的均值，第二個引數σ^2是此隨機變數的方差，所以正態分佈記作n（μ,σ2）。
μ是正態分佈的位置引數，描述正態分佈的集中趨勢位置。概率規律為取與μ鄰近的值的概率大，而取離μ越遠的值的概率越小。正態分佈以x=μ為對稱軸，左右完全對稱。
正態分佈的期望、均數、中位數、眾數相同，均等於μ。
σ描述正態分佈資料資料分佈的離散程度，σ越大，資料分佈越分散，σ越小，資料分佈越集中。也稱為是正態分佈的形狀引數，σ越大，曲線越扁平，反之，σ越小，曲線越瘦高。
2樓：
當偏度的絕對值大於0.5或者峰度的絕對值大於1時，我們認為該組資料不是正態分佈。
3樓：顏訴
偏度係數等於0為正態，大於零為右偏（負偏），小於零為左偏（負偏）；
峰度係數等於3為正態，大於3為尖峰，小於3為平頂；
4樓：匿名使用者
我也不知道，我檢驗結果一般都是峰度符合，偏度不符合。
偏度的平方<24/n
峰度的平方<2×24/n
是不是這樣的？
5樓：匿名使用者
偏度：偏度（skewness）是描述某變數取值分佈對稱性的統計量。
如果是正太分佈的話.偏度是 三階中心距,值為0.
,skewness=0 分佈形態與正態分佈偏度相同
skewness>0 正偏差數值較大，為正偏或右偏。長尾巴拖在右邊。
skewness<0 負偏差數值較大，為負偏或左偏。長尾巴拖在左邊。
計算公式：
skewness=e[((x-e(x))/(\sqrt))^3]
| skewness| 越大，分佈形態偏移程度越大。
峰度峰度（kurtosis）是描述某變數所有取值分佈形態陡緩程度的統計量。
它是和正態分佈相比較的。
kurtosis=0 與正態分佈的陡緩程度相同。
kurtosis>0 比正態分佈的高峰更加陡峭——尖頂峰
kurtosis<0 比正態分佈的高峰來得平臺——平頂峰
計算公式：
kurtosis=e[ ( (x-e(x))/ (\sqrt(d(x))) )^4 ]-3 四階中心距-3.
如果是正態分佈,那麼偏度,峰度均為0.
6樓：
正態分佈是一種對稱分佈， 偏度為0，
服不服從正態分佈可以用正態性檢驗（w檢驗）
服從正態分佈的條件
7樓：濮樂聖
請問你是要定性判斷還是定量判斷？ 一般正態分佈判斷方法都是用統計軟體實現的。 我這裡不是意思讓你很牛的會操作sas和eviews等這種統計軟體，就是它們可以算出資料偏度峰度，同時為零是正態分佈定義吧。
不過這種正態分佈挺嚴格的，現實中沒人會就看偏度峰度來判斷的。 至於那些w檢驗t檢驗方差分析非引數檢驗，網上都有，自己看吧，那些才是主流判斷正態分佈的工具。 你如果說就看看而不用資料說明問題，那就是胡扯，統計的精髓就是各種檢驗各種算，買本書自己看看吧。
以上個人見解，如要**學術問題可以再問。
8樓：搪瓷把碗
大量隨機小概率事件影響下的某一事件的概率分佈
9樓：夷詠緒如彤
影響變數的隨機因素很多，而每個因素的影響很小，比如一個班某一科的成績的分佈，個人認為你所提的一個人剩餘死亡時間應該滿足指數分佈
統計學矩法中偏度係數g1和峰度係數g2滿足什麼條件時資料為正態分佈
10樓：
偏度係數g1為0，對稱分佈。大於
bai0，正偏du態。小於0，負偏態
zhi峰度係數g2大於0，尖峭峰dao。g2小於0，平闊內峰。
當然需要進行顯著性檢驗，通常用u檢驗。
顯著性檢驗，總體偏度係數和峰度係數為容0，資料為正態分佈。
什麼是峰度和偏度
11樓：有錢哥哥
表徵概率密度分佈曲線在平均值處峰值高低的特徵數。峰度反映了峰部的尖度。樣本的峰度是和正態分佈相比較而言統計量，如果峰度大於三，峰的形狀比較尖，比正態分佈峰要陡峭，反之亦然。
在統計學中，峰度（kurtosis）衡量實數隨機變數概率分佈的峰態。峰度高就意味著方差增大是由低頻度的大於或小於平均值的極端差值引起的。
偏度是統計資料分佈偏斜方向和程度的度量，是統計資料分佈非對稱程度的數字特徵。
12樓：絕情
峰度：峰度（kurtosis）是描述某變數所有取值分佈形態陡緩程度的統計量。
它是和正態分佈相比較的。
kurtosis=0 與正態分佈的陡緩程度相同。
kurtosis>0 比正態分佈的高峰更加陡峭——尖頂峰
kurtosis<0 比正態分佈的高峰來得平臺——平頂峰計算公式：β= m_4/σ^4 偏度：偏度（skewness）是描述某變數取值分佈對稱性的統計量。
skewness=0 分佈形態與正態分佈偏度相同
skewness>0 正偏差數值較大，為正偏或右偏。長尾巴拖在右邊。
skewness<0 負偏差數值較大，為負偏或左偏。長尾巴拖在左邊。 計算公式：
s= (x拔-m_0)/δ skewness 越大，分佈形態偏移程度越大。
怎麼才能確定一組資料能夠服從正態分佈？
13樓：小小愛學童子
在有大量實來驗資料時才會符合正態分自布。如果你僅僅是湊的話，那麼確定平均值x，在影象上劃分一些小區間，然後查表確定每一區間所佔的概率，然後乘以總資料數得到落在該區間的樣本數m，然後你隨便在該區間取m個數就可以了，其他區間也同理
14樓：匿名使用者
spss，分析-探索分析，可以進行正態分佈檢驗
15樓：匿名使用者
相關係數不超過某個值吧…課本上有。
16樓：程琪冠昊英
我知道的方法主要bai
是兩種：
第一du，概率密度估計。用模式zhi識別裡常用的概dao率密度函式估計方法專，估計出該組資料的概屬率密度函式p(x)。然後用這組資料的均值和方差作為引數，得出一個gauss（正態）概率密度函式f(x)。
用絕對值偏差、方均根或其他標準比較f(x)和p(x)，如果充分接近，則說明該組資料符合正態分佈。（甚至可以利用假設檢驗的概念指定置信度水平等）。
第二，累積量。三階和四階累積量有其明確的意義，即所謂「偏度」和「峰度」。前者表明概率密度函式的對稱性，如果值接近0則表示對稱性好；後者表明概率密度函式（假定是單峰的）的尖銳程度，如果值接近0則表示接近正態分佈（正態分佈的所有二階以上累積量值為0）。
注意，峰度可能還有其他定義，注意不要混淆。
用matlab生成服從標準正態分佈的8 8矩陣，怎麼實現
很簡單randn 8，8 下次需要matlab可以諮詢我們團隊，我們 程式得 有一個8 8的矩陣a，生成一個與a同階的正態分佈的隨機矩陣b，用matlab的語句寫 matlab 生成 a，b 內正態分佈矩陣 既然是正態分佈，那麼樣點數分佈就是整個數軸，不可能有所謂 a,b 內的正態分佈，也許你需要的...
excel 正態分佈公式，EXCEL 正態分佈公式
清珠星 正態分佈函式密度曲線可以表示為 稱x服從正態分佈，記為x n m,s2 其中 為均值，s為標準差，x 標準正態分佈另正態分佈的 為0，s為1。 綠衣人敲門 具體會用到excel的正態分佈函式normdist 輸入資料。1.在單元格a1輸入 2.選定單元格a1 a121。3.選取 編輯 選單下...
正態分佈有什麼作用，正態分佈有什麼作用？
廖樂邇 正態分佈 normal distribution 又名高斯分佈 gaussian distribution 是一個在數學 物理及工程等領域都非常重要的概率分佈，在統計學的許多方面有著重大的影響力。若隨機變數x服從一個數學期望為 標準方差為 2的高斯分佈，記為 則其概率密度函式為正態分佈的期望...