毕业论文数据不是正态分布

该什么分布就什么分布。随机数据的统计分布不都是正态的。可以试一试是否是对数正态分布，有些原始数据不服从正态分布，但取对数之后却服从正态分布。只有当影响数据分布的因素很多、而每种因素的影响又很小的时候，数据才呈正态分布，否则一般分布是偏态的。如果事先确定某种数据应当是正态分布，而处理结果不是正态的，那么应考虑数据的获得、数据处理方法、试验方法等会否有问题？供您参考。

正态分布法：X服从一个数学期望为μ、方差为σ^2的正态分布，记为N(μ，σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ = 0，σ = 1时便符合正态分布了。

正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。

扩展资料

由于一般的正态总体其图像不一定关于y轴对称，对于任一正态总体，其取值小于x的概率。只要会用它求正态总体在某个特定区间的概率即可。

为了便于描述和应用，常将正态变量作数据转换。将一般正态分布转化成标准正态分布。

若

服从标准正态分布,通过查标准正态分布表就可以直接计算出原正态分布的概率值。故该变换被称为标准化变换。

参考资料来源：百度百科-正态分布

有因为数据不服从正态分布被拒收文章的。在实际研究中，很多时候都需要数据满足正态分布才可以。比如说回归分析，其实做回归分析有一个前提条件即因变量需要满足正态分布性。也比如说方差分析，其有一个潜在的前提假定即因变量Y需要满足正态分布。还有很多种情况，比如T检验，相关分析等等。但这种情况往往被分析人员忽略掉，或者是数学基本不够扎实，也或者无论如何数据均不满足正态分布等客观条件，也或者其它情况等。如果说没有满足前提条件，分析的结果会变得不科学严谨，分析结论会受到置疑。第一：需要满足正态分布的几类常见研究方法第二：理论与现实的“相悖”第三：正态分布的“检验方法”

可以应用变量变换的方法,将不服从正态分布的资料转化为非正态分布或近似正态分布。常用的变量变换方法有对数变换、平方根变换、倒数变换、平方根反正玄变换等，应根据资料性质选择适当的变量变换方法。1、对数变换 即将原始数据X的对数值作为新的分布数据：X’=lgX当原始数据中有小值及零时，亦可取X’=lg（X+1）还可根据需要选用X’=lg（X+k）或X’=lg（k-X）对数变换常用于（1）使服从对数正态分布的数据正态化。如环境中某些污染物的分布，人体中某些微量元素的分布等，可用对数正态分布改善其正态性。（2）使数据达到方差齐性，特别是各样本的标准差与均数成比例或变异系数CV接近于一个常数时。2、平方根变换 即将原始数据X的平方根作为新的分布数据。X’=sqrt（X）平方根变换常用于：1）使服从Poission分布的计数资料或轻度偏态资料正态化，可用平方根变换使其正态化。2）当各样本的方差与均数呈正相关时，可使资料达到方差齐性。3）倒数变换 即将原始数据X的倒数作为新的分析数据。X’=1/X常用于资料两端波动较大的资料，可使极端值的影响减小。4、平方根反正旋变换 即将原始数据X的平方