A. 如何判斷一組數據是不是正態分布能否用SPSS實現操作
可以的，在探索里有正態性檢驗的選擇打鉤。
1.輸入數據後，左擊最上方的如指棚Analyze,選擇DescriptiveStatistic,選擇左擊explore，出現如下：
2.將所選數據選入DependentList,左擊Plot，出現如下。
3.點中間normallityplotswithtests，左擊continue，就出現你要的正態檢驗結果了。
最後一個表格中（即testofNormality)sig.即P值=0.004，小於0.05，不服從正態分布，反之服從。
拓展資料
正態分布，也稱「常態分渣則布」，又名高斯分布（Gaussiandistribution），最早由A.棣莫弗在求二項分布的漸近公式中得到。C.F.高斯在研究測量誤差時從另一個角度導出逗塌了它。P.S.拉普拉斯和高斯研究了它的性質。是一個在數學、物理及工程等領域都非常重要的概率分布，在統計學的許多方面有著重大的影響力。
B. 如何判斷一組數據是否為正態分布
當我們應用統計方法對數據進行分析時，會發現許多計量資料的分析方法，例如常用的T檢驗、方差分析、相關分析以及線性回歸等等，都要求數據服從正態分布或者近似正態分布，但這一前提條件往往被使用者所忽略。因此為了保證數據滿足上述統計方法的應用條件，對原始數據進行正態性檢驗是十分必要的，這一節內容我們主要向大家介紹如何對數據資料進行正態性檢毀褲高驗。
一、正態性檢驗：偏度和峰度
1、偏度（Skewness）：描述數據分布不對稱的方向及其程度（見圖1）。
當偏度≈0時，可認為分布是對稱的，服從正態分布纖尺；
當偏度>0時，分布為右偏，即拖尾在右邊，純老峰尖在左邊，也稱為正偏態；
當偏度<0時，分布為左偏，即拖尾在左邊，峰尖在右邊，也稱為負偏態；
注意：數據分布的左偏或右偏，指的是數值拖尾的方向，而不是峰的位置，容易引起誤解。
2、峰度（Kurtosis）：描述數據分布形態的陡緩程度（圖2）。
當峰度≈0時，可認為分布的峰態合適，服從正態分布（不胖不瘦）；
當峰度>0時，分布的峰態陡峭（高尖）；
當峰度<0時，分布的峰態平緩（矮胖）；
利用偏度和峰度進行正態性檢驗時，可以同時計算其相應的Z評分（Z-score），即：偏度Z-score=偏度值/標准誤，峰度Z-score=峰度值/標准誤。在α=0.05的檢驗水平下，若Z-score在±1.96之間，則可認為資料服從正態分布。
了解偏度和峰度這兩個統計量的含義很重要，在對數據進行正態轉換時，需要將其作為參考，選擇合適的轉換方法
C. 怎麼判斷標准正態分布
如何判斷一組數據是不是正態分布
正態分布也叫常態分布，是連續隨機變數概率分布的一種，自然界、人類社會、心理和教育中大量現象均按正態形式分布，例如能力的高低，學生成績的好壞等都屬於正態分布。標准正態分布是正態分布的一種，具有正態分布的所有特徵。所有正態分布都可以通過Z分數蔽塵公式轉換成標准正態分布。 兩者特點比較： (1)正態分布的形式是對稱的，對稱軸是經過平均數點的垂線。 (2)中央點最高，然後逐漸向兩側下降，曲線的形式是先向內彎，再向外彎。 (3)正態曲線下的面積為1。正態分布是一族分布，它隨隨機變數的平均數、標准差的大小與單位不同而有不同的分布形態。標准正態分布是正態分布的一種，其襪廳平均數和標准差都是固定的，平均數為0，標准差為1。（4）正態分布曲線下標准差與概率面積有固定數量關系。所有正態分布都可以通過Z分數公式轉換成標准正態分布。把你的數據畫成圖 對比一下
怎樣判斷數據是否服從正態分布
正態分布（Normal distribution）又名高斯分布（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布，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μ、方差為σ^2的高斯分布，記為N（μ，σ^2）。其概率密度函數為正態分布的期望值μ決定了其位置，其標准差σ決定了分布的幅度。因其曲線呈鍾形，因此人們又經常稱之為鍾形曲線。我們通常所說的標准正態分布是μ=0，σ=1的正態分布。我們通常所說的標准正態分布是位置參數，尺度參數的正態分布。
標准正態分布表怎麼看
將未知量Z對應的列上的數 與 行所對應的數字 結合 查表定位
例如 要查Z=1.96的標准正態分布表
首先 在Z下面對應的數找到1.9
然後 在Z右邊的行中找到6
這兩個數所對應的值為 0.9750 即為所查的值
如何判斷一組數據是否符合正態分布
檢驗正態分布的辦法：
1、在spss菜單中選擇分析——描述統計——探索，將需要檢驗的變數放入因變數裡面，選擇「繪制——帶檢驗的正態圖，看一下tests of normality就可以，如果成正態，sig不會小於臨界值
2、 還可以參考QQ圖，如果是正態，QQ圖里的散點回呈直線，normal qq圖的橫座標是實際的數據從小到大排列，縱座標是正態分布的期望值，所以如果實際的和正態的期望相符，散點圖就會呈一條直線；detrended qq圖的橫座標是實際觀測值，縱座標是實際觀測值減去期望值，如果數據符合正態，那麼散點應當在中央橫線附近
怎麼判斷一組數據是否符合正態分布
根據正太分布的公式你應該先求方差或標准差然後套用公式，驗證是否符合
excel如何檢驗一組數據是否符合正態分布
這是一個錯誤命題。任何一組數據都可以認為是正態分布，禒可以擬合出它們的正態分布曲線。關鍵是要計算出這組數據的均值和標准差。可以用EXCEL的DEVSQ公式輔助算出這組數據的標准差；可以用AVEDEV函數算出這組數據的均值。則這組數據的正態分布函數為：
其中μ為均值，σ為標准差。
怎樣根據參數判斷是否服從正態分布？？
kolmogrov *** irnov檢驗就是一種擬合優度檢驗，不知道你的檢驗模型是什麼
用spss 21.0怎麼判斷正態分布
SPSS中有很多操作可以進行正態檢驗，在此只介紹最主要和最全面最方便的操作：
1、工具欄--分析—描述性統計—探索性
2、選擇要分析的變數，選入因變數框內，然後點選圖表，設置輸出莖葉圖和直方圖，選擇輸出正態性檢驗圖表，注意顯示（Display）要選擇雙項（Both）。
3、Output結果
（1）Descriptives：描述中有峰度系數和偏度系數，根據上述判斷標准，數據不符合正態分布。
Sk=0，Ku=0時，分布呈正態，Sk>0時，分布呈正偏態，Sk<0時，分布呈負偏態，時，Ku>0曲線比較陡峭，Ku<0時曲線比較平坦。由此可判斷本數據分布為正偏態（朝左偏），較陡峭。
（2）Tests of Normality：D檢驗和W 檢驗均顯示數據不服從正態分布，當然在此，數據樣本量為1000，應以告並隱W檢驗為准。
（3）直方圖
直方圖驗證了上述檢驗結果。
（4）此外還有莖葉圖、P-P圖、Q-Q圖、箱式圖等輸出結果，不再贅述。結果同樣驗證數據不符合正態分布。
D. 符合正態分布用什麼檢驗方法
符合正態分布可以使用峰度和偏度的檢驗方櫻扮並法。
正態分布的解釋：
1、正態分布也稱常態分布，又名高斯分布，是一個非常重要的概率分布。在數脊跡學、物理及工程等領域以及統計學的許多方面有著重大的影響力。
2、正態分布最早由A棣莫弗在求二項分布的漸近公式中得到。CF高斯在研究測量誤差時從另一個角度導出了它。PS拉普拉斯和高斯研究了它的性質。
3、正態分布是連續隨機變數概率分布的一種，自然界、人類社會、心理和教育中大量現象均按正態形式分布，例如能力的高低，學生成績的好壞等都屬於正態分布。
4、它隨隨機變數的平均數、標准差的大小與單位不同而有不同的分布形態。
E. 如何用excel檢驗該組數據是否符合 正態分布
1、首先我們選擇打開excel輸入數據，例如A組數據和B組數據進行比較。
F. 如何判斷一組數據是不是正態分布
正態分布也叫常態分布,是連續隨機變數概率分布的一種,自然界、人類社會、心理和教育中大量現象均按正態形式分布,例如能力的高低,學生成績的好壞等都屬於正態分布.標准正態分布是正態分布的一種,具有正態分布的所有特徵.所有正態分布都可以通過Z分數公式轉換成標准正態分布.兩者特點比較：(1)正態分布的形式是對稱的,對稱軸是經過平均數點的垂線.(2)中央點最高,然後逐漸向兩側下降,曲線的形式是先向內彎,再向外彎.(3)正態曲線下的面積為1.正態分布是一族分布,它隨隨機變數的平均數、標准差的大小與單位不同而有不同的分布形態.標准正態分布是正態分布的一種,其平均數和標准差都是固定的,平均數為0,標豎舉准差為1.
（4）正手並態分布曲線下標准差與概率面積有固定數量關系.所有正態分布都可以通過Z分數公式轉換成標准正態分布.把你的數據畫余薯碧成圖 對比一下
G. 如何判斷一組數據是否符合正態分布
方法和詳細的操作步驟如下：
1、第一步，新建Excel文檔，見下圖，轉到下面的步驟。