杭州交通信息网骏捷汽车配件:当假设一个模型是正态分布后，如何检验阿
来源：百度文库 编辑：杭州交通信息网 时间：2024/05/05 12:10:15
用SAS软件检验：
（Ⅰ）正规的正态性检验可以通过PROC UNIVARIATE中的选择项NORMAL来实现。输出结果包括6部分。其中第4部分输出正态检验结果：Kolmogorov-Smirnov检验时，根据样本计算一个统计量即检验统计量D。它把样本分布的形状和正态分布相比较，比较得出一个数值p（0<p<1，即实际的显著性水平）来描述对这个想法的怀疑程度。如果p值小于0.05（给定的显著性水平），则原假定非常可疑，认为数据不是来自正态分布，反之则认为数据来自正态分布。
（Ⅱ）附加检验之一，观察正态概率图，如果数据来自正态分布，图形的散点应该呈现一条直线。用Plot绘制正态分布的概率图，里面的“+”构成一条直线（正态分布数据概率图散点应该成一条直线），“*”代表样本数据散点。根据“*”覆盖 “+”的程度，说明样本数据是否来自正态分布数据。
（Ⅲ）附加检验之二，绘制数据的条形图，如果数据来自正态分布，条形图呈现“钟形”分布。用histogram绘制直方图/normal在直方图中拟合正态分布的密度曲线，可以看到，曲线几乎是个标准钟形，可以认为数据是正态分布。
（Ⅳ）附加检验之三，观察描述性统计量中偏度系数（Skewness）g1和峰度系数（Kurtosis）g2，如果数据来自正态分布，则两者都应该是0。用g1,g2,бg1,бg2来计算U值，用U检验法。U1= 同理计算U2，要两个都小于1.96，即p大于0.05才可以。
自己归纳的，仅供参考。
正态检验有不少方法，相应检验正态分布的资料和书挺容易找的。