正态性检验 正态检验是两组一起还是分组

一、如何进行正态检定

正态检定是一种用于检查数据分布是否符合正态分布的统计方法。以下是进行正态检定的几种常用方法：观察法：通过观察数据的图形和表格，分析数据分布的形状和特征。如果数据呈现出钟形曲线，且曲线顶端对称、无异常突起或尾部异常延伸，则可初步判断为正态分布。参数检验法：使用参数检验法，需要先对数据分布的均值和方差进行估计，然后计算出统计量Z值或t值，与临界值表中的值进行比较，判断数据是否符合正态分布。非参数检验法：非参数检验法不依赖于数据的分布假设，通过分析数据的秩和顺序统计量来描述数据的分布特征。如果数据近似服从正态分布，则秩和顺序统计量应呈现出线性关系。斯米尔诺夫检验：斯米尔诺夫检验是一种常用的正态性检验方法，通过分析数据的累积分布函数和概率密度函数的形状特征来推断数据是否符合正态分布。科尔莫戈罗夫检验：科尔莫戈罗夫检验是一种基于理论分布的假设检验方法，通过比较实际数据与理论分布的差异程度来判断数据是否符合正态分布。在实际应用中，可以根据具体问题和数据特点选择适合的正态检定方法。需要注意的是，由于样本数据可能受到各种因素的影响，因此在判断数据是否符合正态分布时，应综合考虑各种方法和实际背景。

二、正态性检验步骤

1.偏度检验使用偏度检验时,总体具有仅在偏度方向上偏离正态的先验信息。因而备择假设为检验统计量为当总体服从正态分布时,的极限分布是因此水平为α检验的拒绝域为这里是标准正态分布的分位数。

2.峰度检验使用峰度检验时,总体具有仅在峰度方向上偏离正态的先验信息。因而备择假设为检验的统计量为当总体服从正态分布时的极限分布是因此水平为α检验的拒绝域为或

3.偏度和峰度联合检验使用联合检验的条件为:总体具有在偏度和峰度方向上都偏离正态的先验信息,它的备择假设为首先计算统计量的值,然后根据该统计量的极限分布自由度是2的分布,所以水平为α检验的拒绝域是,其中是自由度是2的分布的分位数

三、正态性检验的检验方法

单样本K-S检验是利用样本数据推断总体是否服从某一理论分布的方法。适合于探索连续型随机变量的分布形态。其零假设H0为样本来自的总体与指定理论分布无显著性差异。

一般假设你的显著性水平为a=0.05。如果相伴概率小于或等于用户的显著性水平a，则应拒绝零假设，认为样本来自的总体与指定分布的总体有显著差异（就是小概率事件发生了，拒绝假设，之后它就和正态分布之间的相似性可以理解为不存在）相反一样，大于a就是具有相似性，可以理解为服从正态分布。

一般用起来的时候sig小于0.05就认为两者有显著差异，就是两者不相似。也可以说越接近一越好。