统计学习 | 正态分布 Normal Distribution

Peng_jy_

已于 2022-03-12 15:12:54 修改

阅读量2.1k

点赞数

文章标签：经验分享

于 2022-03-12 14:57:27 首次发布

本文链接：https://blog.youkuaiyun.com/Pengjy11/article/details/123439583

版权

本文介绍了正态分布的概念，解释了正态分布广泛存在的原因，并探讨了正态性检验，包括偏度与峰度方法、图示法和统计学检验方法。此外，还讨论了非正态分布资料的统计学分析，如变量变换和非参数检验的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

参考资料

统计学-1：判断数据是否满足正态分布 - 知乎 (zhihu.com)
正态分布！你真的了解么？_检验 (sohu.com)
正态检验 (Normality Test)——常见方法汇总与简述_Absolute Zero-优快云博客_正态性检验
高云朝.医学科研论文中非正态分布资料的统计学分析[J].放射免疫学杂志,2008(01):59-61.

对正态分布的理解

（1）正态分布为什么常见？真正原因是中心极限定理（Central Limit Theorem）。根据中心极限定理，如果一个事物受到多种因素的影响，不管每个因素本身是什么分布，它们加总后，结果的平均值就是正态分布。

（2）正态分布只适合各种因素累加的情况，如果这些因素不是彼此独立的，会相互影响，那么就不是正态分布了。ps：如果各种因素对结果的影响不是相加的，而是相乘，那么最终结果不是正态

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Peng_jy_

关注关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

t检验自由度的意义_“t检验”总结与SPSS算例演示

weixin_33169898的博客

01-01

5846

为什么要进行检验，因为对数据的检验可以确定数据的可用性，确定数据的差异性，不能我们随便算出或选择一个数就当做正确的结果，因此要进行检验。检验又分为双侧检验和单侧检验，只强调差异而不强调方向性的检验叫双侧检验；强调某一方向的检验叫单侧检验。如何选择得看实际生产工作中的需要。而检验的标准即为α，一般取值0.05/0.01/0.001。那么，我们检验什么呢？首先得根据已有的理论和经验事先对研究...

python生成正态分布矩阵_统计学习 | 矩阵正态分布 (matrix normal distribution)

weixin_39816024的博客

12-19

2152

前言：在机器学习和统计学习中，正态分布的身影无处不在，最为常见的是标准正态分布和多元正态分布 (multivariate normal distribution)，两者分别作用于标量 (scalar) 和向量 (vector)。实际上，也存在一种正态分布的形式，它作用于矩阵，并广泛地应用于贝叶斯向量自回归模型 (Bayesian vector autoregression) 中。本文接下来将从大家...

参与评论您还未登录，请先登录后发表或查看评论

正态检验 (Normality Test)——常见方法汇总与简述

热门推荐

Absolute Zero

03-11

8万+

前言在科学研究中，往往需要对数据进行差异性检验，而常用的参数检验需要数据服从正态分布，因此在决定是否采用参数检验之前需要先对数据进行正态性检验。这一步在任何统计学软件中（如SPSS、SAS、Origion、GraghPad等）都能够轻易实现，但每个软件都会同时包括多种正态检验方法，此时该选哪个方法来对自己的数据进行正态性检验呢？这就是本文要解决的主要问题。在查阅相关资料后，本文将对多种常见的正态检验方法进行简单地归纳总结，尽可能写清楚每个检验方法的适用范围，但对于每个检验方法的数学统计学原理不作深入解

数学建模之正态分布均值的假设检验

supreme_boss的博客

06-30

6685

正态分布均值的假设检验一，假设检验步骤步骤一：写出原假设和备择假设步骤二：在原假设成立的条件下，构造一个统计量，该统计量服从某一分布步骤三：用已知的样本数据带入统计量的公式，得到一个检验值步骤四：给定置信水平来得到一个接受域的区间，看检验值是否落在接受域中，或者用检验值和区间的临界值进行比较，来判断是否接受原假设（或者计算该检验值对应于其分布的p值，并将p值和指定的显著性水平比较从而来确定是否接受原假设）注意:步骤二中构造的统计量分布，一般指标准正态分布，t分布，卡方分布，F分布！！

【更新8】正态分布均值的假设检验

kingsure001的博客

01-27

3134

假设检验的步骤可以归纳如下： (1)写出原假设和备择假设； (2)在原假设成立的条件下，构造一个统计量，该统计量服从某一分布； (3)用已知的样本数据带入统计量的公式，得到一个检验值；（4）给定置信水平来得到一个接受域的区间，看检验值是否落在接受域中，或者用检验值和区间的临界值进行比较，来判断是否接受原假设（或者计算该检验值对应于其分布的p值，并将p值和指定的显著性水平比较从而来确定是否接受原假设）。例子：逐对比较法有时为了比较两种产品、两种仪器、两种方法等的差异，我们常在相同的条件下做对

统计基础：1.1_正态分布及其检验

qq_34120015的博客

05-19

9031

这里写目录标题一级目录二级目录三级目录一级目录二级目录三级目录

对数正态分布 Log Normal Distribution

最新发布

08-02

一种常见方法是先对数据进行对数转换，然后利用正态分布的统计量（如均值和标准差）来估计μ'和σ'。一旦得到这两个参数，我们就可以计算出原始数据的对数正态分布特性。描述中提到的"根据散点求正态分布密度函数...

【概率与统计】正态分布(Normal Distribution)

北境の守望者

07-16

9023

连续型随机变量最常用的分布就是 正态分布(normal distribution),也称为高斯分布(Gaussian distribution): N(x;μ,σ2)=12πσ2−−−−√exp(−12σ2(x−μ)2)N(x;μ,σ2)=12πσ2exp(−12σ2(x−μ)2)\mathscr N (x;\mu, \sigma ^2) = \frac 1 {\sqrt {2\pi \sigma...

model.zip_normal distribution_正态分布_正态分布检验

07-13

拟合正态分布，计算参数，并做出检验的MATLAB代码

统计学中假设检验的原假设问题

05-23

6725

平均数比较的原假设是：平均数相等。 正态分布的原假设是：服从正态分布。方差齐次性检验的原假设是：方差相等。相关性检验的原假设是：不相关。差异性检验中原假设是无差别假设 eg: 列联表中的卡方检验原假设为: 行列变量独立 ...

统计简单学_正态分布

YoungGy的专栏

08-21

3731

正态分布

概率统计·假设检验【正态总体均值的假设检验、正态总体方差的假设检验】

qq_61786525的博客

02-09

6889

以假为真。

数据分析之参数检验与非参数检验

当我把这件事情做出来的时候，我想要的东西就已经拿到了

12-07

2万+

1、参数检验和非参数检验的区别定义不同： 参数检验：假定数据服从某分布（一般为正态分布），通过样本参数的估计量（x±s）对总体参数（μ）进行检验，比如t检验、u检验、方差分析。非参数检验：不需要假定总体分布形式，直接对数据的分布进行检验。由于不涉及总体分布的参数，故名「非参数」检验。比如，卡方检验。衡量值不同 参数检验的集中趋势的衡量为均值，而非参数检验为中位数。需要的信息不同 参数检验要利用到总体的信息（总体分布、总体的一些参数特征如方差），以总体分布和样本信息对总体参数

非参数正态性检验

小白学视觉

06-25

1777

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达本文转自：机器学习算法那些事非参数正态性检验前面两节介绍了采用Q-Q图和偏度与峰度来对采集样本进行...

SPSS学习笔记（一）判断是否服从正态分布

侧耳倾听

11-19

1万+

一、正态性检验：图形定性判断 1、直方图在样本量比较大时，可根据直方图及对应的正态概率密度曲线的形状大致判断资料是否服从正态分布。操作：图形-旧对话框-直方图结果与分析上图中横坐标为猪崽体重，纵坐标为猪崽频数。可以看出绘制的直方图与对应的正态分布曲线形状大致相同，基本可以判断资料服从正态分布。 2、P-P图和Q-Q图 P-P图（频率-频率图）反映了实际观测值的累积频率（横坐标）与正态分布的理论累积概率（纵坐标）的符合程度，Q-Q图（分位数-分位数图）反映了实际观测值的分位.

机器学习（二）概率密度分布之非参数估计

qq_26386707的博客

02-21

2553

机器学习（二）概率密度估计之非参数估计 2018/2/19 by ChenjingDing 二.非参数估计 2.1直方图估计直方图估计概率密度函数基本思想：将数据空间分成许多个子空间，每一个子空间大小为△△△，在每一个子空间内计算样本出现的个数ninin_i，样本总个数为N，则概率密度函数为：p(x)=niN△；p(x)=niN△； p(x) = \frac{n_i}{N△...

数据分析之正态性检验

当我把这件事情做出来的时候，我想要的东西就已经拿到了

11-30

2万+

定义利用观测数据判断总体是否服从正态分布的检验称为正态性检验，它是统计判决中重要的一种特殊的拟合优度假设检验。常用的正态性检验方法有正态概率纸法、夏皮罗一威尔克检验法(Shapiro-Wilktest)，科尔莫戈罗夫检验法，偏度-峰度检验法等。在数据分析过程中，数据的不同分布形态将直接影响数据分析策略的选择。因此，对数据分布形态的判定是非常重要内容。常见的数据分布形态有正态分布、均匀分布、指数分布、泊松分布等。但最重要也是最有用的分布形态是正态分布，很多数据分析技术都是面向正态分布的定距变量。

非参数估计

qq_43391414的博客

12-25

8661

引入出发点：我们以前在参数估计中都是先假设样本点的分布有一个概率密度函数形式，比如高斯分布，然后从样本中估计参数。但是，有可能根本不是，所以也有非参数法研究的必要，比如我们中学就学过频率分布直方图，但是缺点在于我们要记录每一组的边界和每一组的数量，要保存很多参数。这个思想过渡很重要，因为如果我们样本足够多，想象一下，频率分布直方图每一组的组距特别小，组特别多，这不就是在逼近样本点的真实概率密度函数了吗？那如果真实分布不是高斯分布，而是一个V型的分布，那非参数法就估计得很不错啊，频率分布直方图可以把这个信

spss正态性检验_参数检验与非参数检验如何用？

weixin_39535752的博客

12-09

5328

1、 参数检验——两个独立样本什么是独立样本？将研究对象随机的分配到两组中，分别接受不同的处理，或分别从两个总体中完全随机的抽取一部分个性进行研究，这样的样本就是独立样本。相应的T检验就是独立样本T检验。什么时候运用参数检验，什么时候运用非参数检验呢？需要进行正态性检验，服从正态分布则使用参数检验，不服从正态分布则使用非参数检验。例如：比较英语专业和非英语专业的英语成绩是否存在显著的差异性正态性检...

理论正态分布函数（Normal Distribution Function，简称NDF）具体公式

07-16

理论正态分布函数（Normal Distribution Function，简称NDF）可以用累积分布函数（Cumulative Distribution Function，简称CDF）来表示。对于一个正态分布的随机变量X，其CDF可以表示为： NDF(x) = Φ((x - μ) / ...