① 如何用SPSS判断一组数据是否满足正态分布
检验方法一：看偏度系数和峰度系数
我们把SPSS结果最上面的一个表格拿出来看看(见下图)：
上图中横坐标为期初平均分，纵坐标为分数出现的频数。从图中可以看出根据直方图绘出的曲线是很像正态分布曲线。如何证明这些数据符合正态分布呢，光看曲线还不够，还需要检验如上。
② 在spss中，可以用何种方法对数据进行正态性分布检查它们的原理分别是什么T检查的基本原理是什么
T检验的基本原理是：首先假设零假设H0成立，即样本间不存在显着差异，然后利用现有样本根据t 分布求得t值，并据此得到相应的概率值p，若p≤，则拒绝原假设，认为两样本间存在显着差异。
正态性分布检验包括以下三种检验方法：
Anderson-Darling：选择此项将执行正态性的 Anderson-Darling 检验 ，这是一种基于 ECDF（经验累积分布函数）的检验。
Ryan-Joiner：选择此项将执行 Ryan-Joiner 检验 ，它类似于 Shapiro-Wilk 检验 。Ryan-Joiner 检验是一种基于相关的检验。
Kolmogorov-Smirnov：选择此项将执行正态性的 Kolmogorov-Smirnov 检验 ，这是一种基于 ECDF 的检验。
你也是选修课结课作业？我们不会是同一个学校的吧？
③ 如何判断一组数据是否符合正态分布
检验正态分布的办法：
1、在spss菜单中选择分析——描述统计——探索，将需要检验的变量放入因变量里面，选择“绘制——带检验的正态图，看一下tests of normality就可以，如果成正态，sig不会小于临界值
2、 还可以参考QQ图，如果是正态，QQ图里的散点回呈直线，normal qq图的横坐标是实际的数据从小到大排列，纵坐标是正态分布的期望值，所以如果实际的和正态的期望相符，散点图就会呈一条直线；detrended qq图的横坐标是实际观测值，纵坐标是实际观测值减去期望值，如果数据符合正态，那么散点应当在中央横线附近
④ 如何检验数据是否服从正态分布
卡方拟合优度检验
或者
正态性检验都可以检验一串数据是否服从正态分布。
⑤ 如何判断一组数据是否为正态分布
检验方法一：看偏度系数和峰度系数
我们把SPSS结果最上面的一个表格拿出来看看(见下图)：
偏度系数Skewness=-0.333;峰度系数Kurtosis=0.886；两个系数都小于1，可认为近似于正态分布。
检验方法二：单个样本K-S检验
在SPSS里执行“分析—>非参数检验—>单个样本K-S检验，弹出对话框，检验变量选择“期初平均分”，检验分布选择“正态分布”，然后点“确定”。
检验结果为：
从结果可以看出，K-S检验中,Z值为0.493，P值 (sig
2-tailed)=0.968>0.05，因此数据呈近似正态分布
检验方法三：Q-Q图检验
在SPSS里执行“图表—>Q-Q图”，弹出对话框，见下图：
变量选择“期初平均分”，检验分布选择“正态”，其他选择默认，然后点“确定”，最后可以得到Q-Q图检验结果，结果很多，我们只需要看最后一个图，见下图。
QQ Plot 中，各点近似围绕着直线，说明数据呈近似正态分布。
(5)检测正态数据的三种方法扩展阅读：
正态分布也叫常态分布，在我们后面说的很多东西都需要数据呈正态分布。下面的图就是正态分布曲线，中间隆起，对称向两边下降。
1.在SPSS里执行“分析—>描述统计—>频数统计表”(菜单见下图，英文版的可以找到相应位置)，然后弹出左边的对话框，变量选择左边的“期初平均分”，再点下面的“图表”按钮，弹出图中右边的对话框，选择“直方图”，并选中“包括正态曲线”
2.设置完后点“确定”，就后会出来一系列结果，包括2个表格和一个图，我们先来看看最下面的图，见下图，
上图中横坐标为期初平均分，纵坐标为分数出现的频数。从图中可以看出根据直方图绘出的曲线是很像正态分布曲线。如何证明这些数据符合正态分布呢，光看曲线还不够，还需要检验如上。
⑥ 如何在spss中对数据进行正态性检验
检验正态分布的办法：
1、在spss菜单中选择分析——描述统计——探索，将需要检验的变量放入因变量里面，选择“绘制——带检验的正态图，看一下tests
of
normality就可以，如果成正态，sig不会小于临界值
⑦ excel如何检验一组数据是否符合正态分布
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。
⑧ 用spss判断正态性检验的几种方法
用spss判断正态性检验的几种方法
题目: 某地 120 名男性红细胞数（blood）的数据（见程序中“BEGIN DATA”与“END DATA”之间的数据），此数据呈正态分布吗？（引自马斌荣主编书着，2001. P.150）
syntax 窗口编码如下:
* Ma Bin-Rong: SPSS for Medical Application，2Edit. 2001, P.150:.
DATA LIST FREE /blood.
BEGIN DATA.
568 460 500 580 560 434 561 570 519 645 563 552
540 541 461 501 581 620 573 518 562 597 551 574
480 481 542 462 502 584 517 637 580 547 521 442
564 575 482 543 463 503 585 572 541 525 495 523
634 532 565 483 544 464 504 559 587 494 522 448
526 618 595 577 484 545 558 505 493 586 622 524
456 576 527 490 579 557 546 466 506 572 533 450
566 528 491 567 556 465 485 547 588 507 589 535
596 492 569 555 578 513 530 486 548 534 508 588
628 526 554 531 512 570 514 521 487 459 590 509
END DATA.
NPAR TESTS /K-S(NORMAL)= blood /STATISTICS=DESCRIPTIVES.
DESCRIPTIVES VARIABLES=blood /STATISTICS=ALL.
FREQUENCIES VARIABLES=blood
/STATISTICS=ALL
/HISTOGRAM=NORMAL.
PPLOT /VARIABLES=blood /TYPE=Q-Q.
注: " *````` . " 在syntax中,表示注释的意思.
FREQUENCIES 语句用来描述频次；NPAR TESTS /K-S 语句是k-s检验，检验数据是否符合特定的分布。其中ORAML 表示检验的正态分布。 另：均匀分布是 UNIFORM ；泊松分布是 POISSON ； 指数分布是 EXPONENTIAL ； PPLOT语句生成pp图，检验正态分布与否。
代码执行后，结果如下：
结果分析：
Kolmogorov-Smirnov Test 的结果中， z 值等于0.532，p值等于0.940>0.5，因此数据呈近似正态分布。
Descriptive statics结果中，偏度系数Skewness=-0..33;峰度系数Kurtosis=-0.517；两个系数都小于1，可认为近似于正态分布。
QQ Plot 中，各点近似围绕着直线，说明数据呈近似正态分布。
结果思考：
检验数据的正态性，方法有很多，k-s test,descriptive,qq plot 等方法都可以检验数据的正态性。
