如何判断一组数据是否符合正态分布 excel如何检验一组数据是否符合正态分布
\u5982\u4f55\u7528SPSS\u5224\u65ad\u4e00\u7ec4\u6570\u636e\u662f\u5426\u6ee1\u8db3\u6b63\u6001\u5206\u5e03\u65b9\u6cd5\u548c\u8be6\u7ec6\u7684\u64cd\u4f5c\u6b65\u9aa4\u5982\u4e0b\uff1a
1\u3001\u7b2c\u4e00\u6b65\uff0c\u65b0\u5efaExcel\u6587\u6863\uff0c\u89c1\u4e0b\u56fe\uff0c\u8f6c\u5230\u4e0b\u9762\u7684\u6b65\u9aa4\u3002
2\u3001\u7b2c\u4e8c\u6b65\uff0c\u6267\u884c\u5b8c\u4e0a\u9762\u7684\u64cd\u4f5c\u4e4b\u540e\uff0c\u8f93\u5165x\u8f74\u503c\uff08\u8ba1\u7b97\u5206\u5e03\u5ea6\uff09\uff0c\u4f8b\u5982\u533a\u95f4[-1,1]\uff0c\u95f4\u9694\u4e3a0.1\uff0c\u89c1\u4e0b\u56fe\uff0c\u8f6c\u5230\u4e0b\u9762\u7684\u6b65\u9aa4\u3002
3\u3001\u7b2c\u4e09\u6b65\uff0c\u6267\u884c\u5b8c\u4e0a\u9762\u7684\u64cd\u4f5c\u4e4b\u540e\uff0c\u7531AVERAGE\u51fd\u6570\u8ba1\u7b97\u7684\u5e73\u5747\u503c\u4e3a0\uff0c\u89c1\u4e0b\u56fe\uff0c\u8f6c\u5230\u4e0b\u9762\u7684\u6b65\u9aa4\u3002
4\u3001\u7b2c\u56db\u6b65\uff0c\u6267\u884c\u5b8c\u4e0a\u9762\u7684\u64cd\u4f5c\u4e4b\u540e\uff0c\u9009\u62e9\u51fd\u6570STDEV\u5e76\u8ba1\u7b97\u6807\u51c6\u504f\u5dee\uff0c\u89c1\u4e0b\u56fe\uff0c\u8f6c\u5230\u4e0b\u9762\u7684\u6b65\u9aa4\u3002
5\u3001\u7b2c\u4e94\u6b65\uff0c\u6267\u884c\u5b8c\u4e0a\u9762\u7684\u64cd\u4f5c\u4e4b\u540e\uff0c\u9009\u62e9\u6b63\u6001\u5206\u5e03\u51fd\u6570NORMDIST\u5e76\u8ba1\u7b97\u8fd4\u56de\u6982\u7387\u5bc6\u5ea6\u5206\u5e03\u503c\uff0c\u89c1\u4e0b\u56fe\uff0c\u8f6c\u5230\u4e0b\u9762\u7684\u6b65\u9aa4\u3002
6\u3001\u7b2c\u516d\u6b65\uff0c\u6267\u884c\u5b8c\u4e0a\u9762\u7684\u64cd\u4f5c\u4e4b\u540e\uff0c\u9009\u62e9\u201c\u56fe\u8868\u201d-->\u201c\u6298\u7ebf\u56fe\u201d\u9009\u9879\uff0c\u7136\u540e\u5b8c\u6210\u5206\u5e03\u56fe\uff0c\u89c1\u4e0b\u56fe\u3002\u8fd9\u6837\uff0c\u5c31\u89e3\u51b3\u4e86\u8fd9\u4e2a\u95ee\u9898\u4e86\u3002
方法和详细的操作步骤如下：
1、第一步，新建Excel文档，见下图，转到下面的步骤。
2、第二步，执行完上面的操作之后，输入x轴值（计算分布度），例如区间[-1,1]，间隔为0.1，见下图，转到下面的步骤。
3、第三步，执行完上面的操作之后，由AVERAGE函数计算的平均值为0，见下图，转到下面的步骤。
4、第四步，执行完上面的操作之后，选择函数STDEV并计算标准偏差，见下图，转到下面的步骤。
5、第五步，执行完上面的操作之后，选择正态分布函数NORMDIST并计算返回概率密度分布值，见下图，转到下面的步骤。
6、第六步，执行完上面的操作之后，选择“图表”-->“折线图”选项，然后完成分布图，见下图。这样，就解决了这个问题了。
在前面的文章中讲过，很多模型的假设条件都是数据是服从正态分布的。这篇文章主要讲讲如何判断数据是否符合正态分布。主要分为两种方法：描述统计方法和统计检验方法。
描述统计方法
描述统计就是用描述的数字或图表来判断数据是否符合正态分布。常用的方法有Q-Q图、P-P图、直方图、茎叶图。
1. Q-Q图
此Q-Q非用于聊天的QQ，Q是quantile的缩写，即分位数。 分位数就是将数据从小到大排序，然后切成100份，看不同位置处的值。比如中位数，就是中间位置的值。
Q-Q图的x轴为分位数，y轴为分位数对应的样本值。x-y是散点图的形式，通过散点图可以拟合出一条直线， 如果这条直线是从左下角到右上角的一条直线，则可以判断数据符合正态分布，否则则不可以。
拟合出来的这条直线和正态分布之间有什么关系呢？为什么可以根据这条直线来判断数据是否符合正态分布呢。
我们先来想一下正态分布的特征，正态分布的x轴为样本值，从左到右x是逐渐增大的，y轴是每个样本值对应的出现的概率。概率值先上升后下降，且在中间位置达到最高。
可以把Q-Q图中的y轴理解成正态分布中的x轴， 如果拟合出来的直线是45度，可以保证中位数两边的数值分布是一样的，即正态分布中基于中位数左右对称。
在Python中可以使用如下代码来绘制Q-Q图：
from scipy import stats fig = plt.figure res = stats.probplot(x, plot=plt) plt.show
与Q-Q图类似的是P-P图，两者的区别是前者的y轴是具体的分位数对应的样本值，而后者是累计概率。
2. 直方图
直方图分为两种，一种是频率分布直方图，一种是频数分布直方图。频数就是样本值出现的次数，频率是某个值出现的次数与所有样本值出现总次数的比值。
在Python中我们可以使用如下代码来绘制频数分布直方图：
importmatplotlib.pyplot asplt plt.hist(x,bins = 10)
可以使用如下代码来绘制频率分布直方图：
importseaborn assns sns.distplot(x)
与直方图类似的还有茎叶图，茎叶图是类似于表格形式去表示每个值出现的频次。
统计检验方法
讲完了描述统计的方法，我们来看一下统计检验的方法。统计检验的方法主要有SW检验、KS检验、AD检验、W检验。
SW检验中的S就是偏度，W就是峰度，峰度和偏度与正态的关系我们在前面的文章有讲过，没看过的同学可以去看看：你到底偏哪边的？
1. KS检验
KS检验是基于样本累积分布函数来进行判断的。可以用于判断某个样本集是否符合某个已知分布，也可以用于检验两个样本之间的显著性差异。
如果是判断某个样本是否符合某个已知分布，比如正态分布，则需要先计算出标准正态分布的累计分布函数，然后在计算样本集的累计分布函数。两个函数之间在不同的取值处会有不同的差值。我们只需要找出来差值最大的那个点D。然后基于样本集的样本数和显著性水平找到差值边界值(类似于t检验的边界值)。判断边界值和D的关系， 如果D小于边界值，则可以认为样本的分布符合已知分布，否则不可以。
PDF( probability density function)：概率密度函数
用minitab，点“统计”，“正态性检验”，看P值，如果大于0.05，是正态分布，如果没有就不是。
一般是画出频率直方图，看它是否符合正态分布曲线，如果差不多即为满足。
正态性检验：判断总体是否服从正态分布的检验
绛旓細妫娴嬫暟鎹鎬佹х殑鏂规硶鏈夊緢澶氱锛屼互涓嬩负鍑犵甯歌鏂规硶浠嬬粛锛氬浘绀烘硶銆佺粺璁℃楠屾硶銆佹弿杩版硶銆1銆佹鎬佸浘锛氭鎬佸垎甯冨浘鍙洿瑙傚湴灞曠ず鏁版嵁鍒嗗竷鎯呭喌锛屽苟缁撳悎姝ｆ佹洸绾鍒ゆ柇鏁版嵁鏄惁绗﹀悎姝ｆ鍒嗗竷銆傝嫢鏁版嵁鍩烘湰绗﹀悎姝ｆ佸垎甯冿紝鍒欎細鍛堢幇鍑轰腑闂撮珮銆佷袱渚т綆銆佸乏鍙冲熀鏈绉扮殑鈥滈挓褰⑩濆垎甯冩洸绾匡紱鑻ユ暟鎹负瀹氱被鏁版嵁鎴栨暟鎹噺杈冨皯锛...
绛旓細鎬庢牱妫鏌鏁版嵁鏄惁绗﹀悎姝ｆ鍒嗗竷锛熷湪鏁版嵁鍒嗘瀽杩囩▼涓紝寰寰闇瑕佹暟鎹湇浠庢鎬佸垎甯冿紝姝ｆ佸垎甯冿紝涔熺О鈥滃父鎬佸垎甯冣濓紝鍙堝悕楂樻柉鍒嗗竷锛屽湪姹備簩椤瑰垎甯冪殑娓愯繎鍏紡涓緱鍒般傚緢澶氭柟娉曢兘闇瑕佹暟鎹弧瓒虫鎬佸垎甯冿紝姣斿鏂瑰樊鍒嗘瀽銆佺嫭绔媡妫楠屻佺嚎鎬у洖褰掑垎鏋愶紙鍥犲彉閲忥級绛夈傚鏋滆娌℃湁杩欎釜鍓嶆彁鍙兘浼氬鑷村垎鏋愪笉涓ヨ皑绛夌瓑銆傛墍浠ヨ繘琛鏁版嵁...
绛旓細2銆 杩樺彲浠ュ弬鑰僎Q鍥撅紝濡傛灉鏄鎬侊紝QQ鍥鹃噷鐨勬暎鐐瑰洖鍛堢洿绾匡紝normal qq鍥剧殑妯潗鏍囨槸瀹為檯鐨勬暟鎹粠灏忓埌澶ф帓鍒楋紝绾靛潗鏍囨槸姝ｆ佸垎甯冪殑鏈熸湜鍊硷紝鎵浠ュ鏋滃疄闄呯殑鍜屾鎬佺殑鏈熸湜鐩哥锛屾暎鐐瑰浘灏变細鍛堜竴鏉＄洿绾匡紱detrended qq鍥剧殑妯潗鏍囨槸瀹為檯瑙傛祴鍊硷紝绾靛潗鏍囨槸瀹為檯瑙傛祴鍊煎噺鍘绘湡鏈涘硷紝濡傛灉鏁版嵁绗﹀悎姝ｆ锛岄偅涔堟暎鐐瑰簲褰撳湪...
绛旓細2銆 杩樺彲浠ュ弬鑰僎Q鍥撅紝濡傛灉鏄鎬侊紝QQ鍥鹃噷鐨勬暎鐐瑰洖鍛堢洿绾匡紝normal qq鍥剧殑妯潗鏍囨槸瀹為檯鐨勬暟鎹粠灏忓埌澶ф帓鍒楋紝绾靛潗鏍囨槸姝ｆ佸垎甯冪殑鏈熸湜鍊硷紝鎵浠ュ鏋滃疄闄呯殑鍜屾鎬佺殑鏈熸湜鐩哥锛屾暎鐐瑰浘灏变細鍛堜竴鏉＄洿绾匡紱detrended qq鍥剧殑妯潗鏍囨槸瀹為檯瑙傛祴鍊硷紝绾靛潗鏍囨槸瀹為檯瑙傛祴鍊煎噺鍘绘湡鏈涘硷紝濡傛灉鏁版嵁绗﹀悎姝ｆ锛岄偅涔堟暎鐐瑰簲褰撳湪...
绛旓細涓嶆槸姝ｆ鐨鏁版嵁鍒嗘瀽锛岀涓鍙嶅簲鏄姹傚彉鎹紝甯哥敤鐨勫氨鏄疊ox-Cox鍙樻崲銆傚鏋滆繕涓嶈鐨勮瘽锛屽氨鐩存帴涓婇潪鍙傛暟浜嗐傚寰呰繖绉嶉棶棰橈紝涓鑸鍏堝紕娓呬笉姝ｆ佺殑鍘熷洜鍐嶈銆傜涓绉嶆儏鍐碉細鏁版嵁鏈潵灏变笉鏄鎬佺殑銆傚鏋滄槑纭煡閬撴牱鏈暟鎹墍浠ｈ〃鐨勬讳綋鏈潵灏变笉鏄鎬佸垎甯冪殑锛屽彲浠ヨ冭檻瀵绘眰鍙樻崲锛岄氬父閮戒細鎵惧埌鎭板綋鐨勫彉鎹㈠弬鏁般備絾鏈...
绛旓細spss鍒ゆ柇鏄惁绗﹀悎姝ｆ鍒嗗竷濡備笅锛1銆佹墦寮杞欢涔嬪悗锛屽湪鐣岄潰涓紝杈撳叆鎯宠妫楠岀殑鏁版嵁闆嗭紝杈撳叆鏁版嵁闆嗕箣鍚庯紝鏂逛究杩涜涓嬩竴姝ユ搷浣溿2銆佺偣鍑讳笂鏂圭殑鍒嗘瀽閫夐」锛屽湪鍑虹幇鐨勯夐」涓紝鐐瑰嚮鎵弿缁熻锛屽啀鐐瑰嚮鍚庨潰鐨勬帰绱㈣繖涓夐」銆3銆佺偣鍑绘帰绱㈤夐」涔嬪悗锛屽湪鍑虹幇鐨勪笅鍥炬墍绀虹殑鐣岄潰涓紝閫夋嫨鍥犲彉閲忓垪琛ㄨ繖涓夐」銆4銆佸湪鍑虹幇鐨勯夐」鐣岄潰锛...
绛旓細鍋忓害灏忎簬3宄板害灏忎簬10姝ｆ佸涓嬶細鑻ュ叾鏍锋湰宄板害缁濆鍊煎皬浜10骞朵笖鍋忓害缁濆鍊煎皬浜3锛岀粨鍚堟鎬佸垎甯冨浘鍙互鎻忚堪涓哄熀鏈绗﹀悎姝ｆ鍒嗗竷锛屼害鎴栨敼鐢ㄩ潪鍙傛暟妫楠屻
绛旓細鍦ㄎ=0.05鐨勬楠屾按骞充笅锛岃嫢Z-score鍦1.96涔嬮棿锛屽垯鍙涓烘暟鎹繎浼兼湇浠姝ｆ鍒嗗竷銆2銆佸浘绀烘硶 鐩存柟鍥撅細鍙互鐩磋鏄剧ず鏁版嵁鐨勫垎甯冨舰寮忋侾-P鍥惧拰Q-Q鍥撅細P-P鍥惧弽鏄犱簡鍙橀噺鐨勫疄闄呯疮绉鐜囦笌鐞嗚绱Н姒傜巼鐨绗﹀悎绋嬪害锛孮-Q鍥惧弽鏄犱簡鍙橀噺鐨勫疄闄呭垎甯冧笌鐞嗚鍒嗗竷鐨勭鍚堢▼搴︼紝涓よ呮剰涔夌浉浼硷紝閮藉彲浠ョ敤鏉ヨ冨療鏁版嵁鏄惁鏈嶄粠...
绛旓細鎻鏁版嵁姝ｆ佸垎甯冪殑妫楠屼箣閬 鍦ㄦ暟鎹垎鏋愪腑锛岀‘淇濇暟鎹绗﹀悎姝ｆ鍒嗗竷鑷冲叧閲嶈銆傛垜浠湁涓夌涓昏鏂规硶鏉ユ楠岃繖涓鐗规э細鍥惧舰娉曘佸亸搴﹀嘲搴﹀垎鏋愶紝浠ュ強闈炲弬鏁版楠屻傝鎴戜滑閫愪竴鎺㈢储瀹冧滑銆傚浘褰㈡硶锛氱洿瑙傛鏌ラ鍏堬紝閫氳繃缁樺埗棰戞暟鍒嗗竷鐩存柟鍥惧拰姝ｆ丵-Q銆丳-P鍥撅紝浣犲彲浠ョ洿瑙傚湴鍒ゆ柇鏁版嵁鏄惁鍛堢幇鍑洪挓褰㈡洸绾裤傝嫢鏁版嵁鐐归泦涓湪涓棿...
绛旓細10鎵嶈〃杩版暟鎹憟姝ｆ鍒嗗竷 閽堝鍚屼竴绉嶆暟鎹紝涓夌鏂规硶鐨勮绠楃粨鏋滃ぇ鍚屽皬寮傘傝櫧鐒禛raphPadPrism涓嶆帹鑽愮敤Kolmogorov-Smirnov娉曪紝鍦ㄥ浗闄呬笂鍙戣〃璁烘枃鏃讹紝澶氶噰鐢↘olmogorov-Smirnov娉曠殑缁撴灉銆備絾绗旇呯粡楠屽彂鐜帮紝鏍锋湰鏁伴噺灏忎簬5鏃讹紝KS鏃犳硶缁欏嚭鍒嗘瀽鏁版嵁銆傚綋鐒讹紝涔熷彲浠ヤ笁绉嶆柟娉曢兘閫夋嫨锛岀患鍚鍒ゆ柇鏁版嵁鏄惁鍛堟鎬佸垎甯冦
