验证一组数据是否服从正态分布
There are twenty students whose average sore are: (1 score)
56,23,59,74,49,43,39,51,37,61,43,51, 61,99,23,56, 49, 49, 75, 20Is the distribution of the series the normal distribution or not?
(How to transform the data into the spss is very important.)
1、将数据输入到SPSS
2、使用分析>描述统计>探索 进行正态分布验证
关于正态性检验中，K-S和S-W哪个准确：
SPSS规定:当样本含量3≤n≤5000时,结果以Shapiro-Wilk(W检验)为准,当样本含量n>5000结果以Kolmogorov-Smirnov(D检验)为准。
使用SAS时当样本含量n≤2000时,结果以Shapiro-Wilk(W检验)为准,当样本含量n>2000结果以Kolmogorov-Smirnov(D检验)为准。
在本题中，因为样本量为20，故以S-W检验为准，sig.=0.2>0.05，不显著？？服从正态分布（所以K-S及S-W结果可能不准，建议通过Q-Q图、P-P图等进一步确认…?）。
sig的含义
sig表示显著性。
在spss软件统计结果中，不管是回归分析还是其它分析，都会看到sig。spss分析中sig是significance的缩写，意为“显著性”，significance test称为显著性检验。sig后面的值就是统计出的P值，根据P值进行显著性检验。
sig小于0.05 说明有95%的显著差异
小于0.001 是极其显著
小于0.01 是非常显著
小于0.05 是模型显著
当数据之间具有了显著性差异，就说明参与比对的数据不是来自于同一总体（Population），而是来自于具有差异的两个不同总体，这种差异可能因参与比对的数据是来自不同实验对象的。
比如一些一般能力测验中，大学学历被试组的成绩与小学学历被试组会有显著性差异。也可能来自于实验处理对实验对象造成了根本性状改变，因而前测后测的数据会有显著性差异。
3、查看Q-Q图进一步确认，由图可见基本在直线附近，可以认为服从正态分布
由图可见P-P图和Q-Q图基本在直线附近，可以认为服从正态分布。
根据职工收入进行分组（income.sav）（1 score）
1、对收入进行排序
2、split file（如果不split，直接走下一步的话，会只输出一个总的结果）
3、descriptives
输出结果：
判断是否正态总体的方式
1、分析>描述统计>探索
2、选择因变量列表
3、勾选带检验的整体图，确定后查看分析结果
本题中，sig=.000<0.05
Sig值为0，表示拒绝原假设，即你所使用的样本数据不是正态分布数据
而t检验的前提是正态总体，不知道这样（非正态的样本）还能否用t检验？
单独样本t检验
会从这次上机实验题中选一道作为期末考试题！
1、SPSS教材57页例题2.4.1
t检验是一种变量显著性检验的方法
单独样本T检验（One-Samples T Test）用于进行样本所在总体均数与已知总体均数的比较，独立样本T检验（Independent-Samples T Test)用于进行两样本均数的比较。
例1
使用单样本t检验：
输出结果
（本例中sig=p=0.01<0.05，p<a拒绝原假设，说明样本的均值在a=0.05的显著性水平下不等于13.1）
通常情况下，实验结果达到0.05水平或0.01水平，才可以说数据之间具备了差异显著或是极显著。
当数据之间具有了显著性差异，就说明参与比对的数据不是来自于同一总体（Population），而是来自于具有差异的两个不同总体，这种差异可能因参与比对的数据是来自不同实验对象。
如果我们是检验某实验（Hypothesis Test）中测得的数据，那么当数据之间具备了显著性差异，实验的虚无假设（Null Hypothesis）就可被推翻，对立假设（Alternative Hypothesis）得到支持（拒绝原假设）；反之若数据之间不具备显著性差异，则实验的备择假设可以被推翻，虚无假设得到支持。
例2
sig=0.534>0.05 接受原假设 说明样本的均值在a=0.05的显著性水平下可以认为等于43
例1与例2比较，例2组的预测比较准确。
2、SPSS教材57页例题2.4.2
（1）使用K-S检验（正态性检验）检测每组老鼠寿命是否服从正太分布
步骤：分析>描述统计>探索->
点击OK，输出结果：
从偏度和峰度的角度来看：并参考偏度和峰度讲解，里面说，如果是标准正态分布，那么偏度为 0，峰度为 3。本题的两组老鼠的偏度和峰度较标准正态分布有偏差，不是标准正态分布。从K-S检验的角度来看，（不知道在一起的数据怎么分别进行正态性检验，我把他们拆开了）
（1）限制饮食组（分析>描述统计>探索 进行正态分布验证，要勾选带检验的整体图，还有一种办法是直接输出KS结果）
Sig.=0.000<0.05，拒绝原假设，说明：限制饮食组的老鼠不服从正态分布。
另外同时会（2）正常饮食组
Sig.=0.000<0.05，拒绝原假设，说明：限制饮食组的老鼠不服从正态分布。
