怎么用excel确定一组数据服从什么分布,电子表格如何看一组数据服从什么分布
1. 如何看一组数据服从什么分布
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。
2. 如何判断数据服从什么分布
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。
你的表述：有的时间点是有的不是正态，这是错误的。分布是数据集合表现出来的特征，你可以说有异常点 就是跟其他数据所体现出来的样子 格格不入。
如果你用spss 里面就有正态性检验 QQ图 PP图
如果你用R 就用shapiro.test kolmogorov-smirnov非参数检验 K-S检验
如果你用matlab 就是normplot 实际就是QQ图
3. 怎么看数据服从什么分布
不妨设随机变量z服从正态分布n(a,b)，a是其均值，b是其方差。
令z'=（z-a）/sqrt(b)，其中sqrt(·)为开方。
这样，z'就变成了服从标准正态分布n(0,1)的随机变量。
举俩例子吧。
例一、z服从n(0,1)。求p(|z|≥2)。
由于z已经服从标准正态分布n(0,1)，那么z'=z，不必转化了。
p(|z|≥2)=p(z≥2)+p(z<=-2)
=2*p(z≥2)
=2*(1-p(z<=2))
查表可知，p(z<=2)=0.9772，所以p(|z|≥2)=0.0456。
注意：所谓的正态分布表都是标准正态分布表(n(0,1))，通过查找实数x的位置，从而得到p(z<=x)。表的纵向代表x的整数部分和小数点后第一位，横向代表x的小数点后第二位，然后就找到了x的位置。比如这个例子，纵向找2.0，横向找0，就找到了2.00的位置，查出0.9772。
例二、z服从n(5,9)，求p(z≥11)+p(z<=-1)。
令z'=(z-5)/3，z'服从n(0,1)
做转化p(z≥11)+p(z<=-1)=p(|z-5|≥6)
=p(|z'|≥2)
4. 如何判断统计量服从哪种分布
1,T检验和F检验的由来
一般而言，为了确定从样本(sample)统计结果推论至总体时所犯错的概率，我们会利用统计学家所开发的一些统计方法，进行统计检定。
通过把所得到的统计检定值，与统计学家建立了一些随机变量的概率分布(probability distribution)进行比较，我们可以知道在多少%的机会下会得到目前的结果。倘若经比较后发现，出现这结果的机率很少，亦即是说，是在机会很 少、很罕有的情况下才出现；那我们便可以有信心的说，这不是巧合，是具有统计学上的意义的(用统计学的话讲，就是能够拒绝虚无假设null hypothesis,Ho)。相反，若比较后发现，出现的机率很高，并不罕见；那我们便不能很有信心的直指这不是巧合，也许是巧合，也许不是，但我们没 能确定。
F值和t值就是这些统计检定值，与它们相对应的概率分布，就是F分布和t分布。统计显著性（sig）就是出现目前样本这结果的机率。
2，统计学意义（P值或sig值）
结果的统计学意义是结果真实程度（能够代表总体）的一种估计方法。专业上，p值为结果可信程度的一个递减指标，p值越大，我们越不能认为样本中变量的关联 是总体中各变量关联的可靠指标。p值是将观察结果认为有效即具有总体代表性的犯错概率。如p=0.05提示样本中变量关联有5%的可能是由于偶然性造成 的。即假设总体中任意变量间均无关联，我们重复类似实验，会发现约20个实验中有一个实验，我们所研究的变量关联将等于或强于我们的实验结果。（这并不是 说如果变量间存在关联，我们可得到5%或95%次数的相同结果，当总体中的变量存在关联，重复研究和发现关联的可能性与设计的统计学效力有关。）在许多研 究领域，0.05的p值通常被认为是可接受错误的边界水平。
3，T检验和F检验
至於具体要检定的内容，须看你是在做哪一个统计程序。
举一个例子，比如，你要检验两独立样本均数差异是否能推论至总体，而行的t检验。
两样本(如某班男生和女生)某变量(如身高)的均数并不相同，但这差别是否能推论至总体，代表总体的情况也是存在著差异呢？
会不会总体中男女生根本没有差别，只不过是你那麼巧抽到这2样本的数值不同？
为此，我们进行t检定，算出一个t检定值。
与统计学家建立的以「总体中没差别」作基础的随机变量t分布进行比较，看看在多少%的机会(亦即显著性sig值)下会得到目前的结果。
若显著性sig值很少，比如<0.05(少於5%机率)，亦即是说，「如果」总体「真的」没有差别，那麼就只有在机会很少(5%)、很罕有的情况 下，才会出现目前这样本的情况。虽然还是有5%机会出错(1-0.05=5%)，但我们还是可以「比较有信心」的说：目前样本中这情况(男女生出现差异的 情况)不是巧合，是具统计学意义的，「总体中男女生不存差异」的虚无假设应予拒绝，简言之，总体应该存在著差异。
每一种统计方法的检定的内容都不相同，同样是t-检定，可能是上述的检定总体中是否存在差异，也同能是检定总体中的单一值是否等於0或者等於某一个数值。
至於F-检定，方差分析(或译变异数分析，Analysis of Variance)，它的原理大致也是上面说的，但它是透过检视变量的方差而进行的。它主要用于：均数差别的显著性检验、分离各有关因素并估计其对总变异 的作用、分析因素间的交互作用、方差齐性(Equality of Variances)检验等情况。
3，T检验和F检验的关系
t检验过程，是对两样本均数(mean)差别的显著性进行检验。惟t检验须知道两个总体的方差(Variances)是否相等；t检验值的计算会因 方差是否相等而有所不同。也就是说，t检验须视乎方差齐性(Equality of Variances)结果。所以，SPSS在进行t-test for Equality of Means的同时，也要做Levene's Test for Equality of Variances 。
1.
在Levene's Test for Equality of Variances一栏中 F值为2.36, Sig.为.128，表示方差齐性检验「没有显著差异」，即两方差齐(Equal Variances)，故下面t检验的结果表中要看第一排的数据，亦即方差齐的情况下的t检验的结果。
2.
在t-test for Equality of Means中，第一排(Variances=Equal)的情况：t=8.892, df=84, 2-Tail Sig=.000, Mean Difference=22.99
既然Sig=.000，亦即，两样本均数差别有显著性意义！
3.
到底看哪个Levene's Test for Equality of Variances一栏中sig,还是看t-test for Equality of Means中那个Sig. (2-tailed)啊?
答案是：两个都要看。
先看Levene's Test for Equality of Variances，如果方差齐性检验「没有显著差异」，即两方差齐(Equal Variances)，故接著的t检验的结果表中要看第一排的数据，亦即方差齐的情况下的t检验的结果。
反之，如果方差齐性检验「有显著差异」，即两方差不齐(Unequal Variances)，故接著的t检验的结果表中要看第二排的数据，亦即方差不齐的情况下的t检验的结果。
4.
你做的是T检验，为什么会有F值呢?
就是因为要评估两个总体的方差(Variances)是否相等，要做Levene's Test for Equality of Variances，要检验方差，故所以就有F值。
另一种解释：
t检验有单样本t检验，配对t检验和两样本t检验。
单样本t检验：是用样本均数代表的未知总体均数和已知总体均数进行比较，来观察此组样本与总体的差异性。
配对t检验：是采用配对设计方法观察以下几种情形，1，两个同质受试对象分别接受两种不同的处理；2,同一受试对象接受两种不同的处理；3，同一受试对象处理前后。
F检验又叫方差齐性检验。在两样本t检验中要用到F检验。
从两研究总体中随机抽取样本，要对这两个样本进行比较的时候，首先要判断两总体方差是否相同，即方差齐性。若两总体方差相等，则直接用t检验，若不等，可采用t'检验或变量变换或秩和检验等方法。
其中要判断两总体方差是否相等，就可以用F检验。
若是单组设计，必须给出一个标准值或总体均值，同时，提供一组定量的观测结果，应用t检验的前提条件就是该组资料必须服从正态分布；若是配对设计， 每对数据的差值必须服从正态分布；若是成组设计，个体之间相互独立，两组资料均取自正态分布的总体，并满足方差齐性。之所以需要这些前提条件，是因为必须 在这样的前提下所计算出的t统计量才服从t分布，而t检验正是以t分布作为其理论依据的检验方法。
简单来说就是实用T检验是有条件的，其中之一就是要符合方差齐次性，这点需要F检验来验证。
5. 怎么看一组数据服从什么分布
用minitab，点“统计”，“正态性检验”，看P值，如果大于0.05，是正态分布，如果没有就不是。
6. 怎么看统计量服从什么分布
描述统计就是用描述的数字或图表来判断数据是否符合正态分布。常用的方法有Q-Q图、P-P图、直方图、茎叶图。頭條萊垍
Q-Q图萊垍頭條
Q是quantile的缩写，即分位数。 分位数就是将数据从小到大排序，然后切成100份，看不同位置处的值。比如中位数，就是中间位置的值。Q-Q图的x轴为分位数，y轴为分位数对应的样本值。x-y是散点图的形式，通过散点图可以拟合出一条直线， 如果这条直线的斜率为标准差，截距为均值.，则可以判断数据符合正态分布，否则则不可以。頭條萊垍
7. 如何看一组数据是否服从正态分布
1、首先我们选择打开excel输入数据，例如A组数据和B组数据进行比较。
2、选择敲击键盘在空格中输入[=]并插入函数[T-Test]。
3、Array1选择组A数据，Array2选择组B数据，并跟踪并输入输入2。
4、之后选择单击[确定]选项以执行T检验分析功能。
5、作为分析的结果，如果在P <0.05时存在显着差异，则如果P <0.01则存在非常显着的差异。
8. 一组数据的分布
可以利用数据处理工具中的直方图直接做，只是自己要将接收区间选择好，首先先将数据排序，然后选择区间点（等距），比如最小值为6.5，最大值为10.9，可设接收点为6.4，6.8，7.2，.直到大与10.9的一个数，以该数组为接收数组，使用直方图工具即可得出频率表（即落在每个区间的数据个数），根据此表可以画出分布图，也可利用此表，将其转换为正态分布（利用正态分布函数），具体函数及参数用法可在EXCEI帮助文件中查询
9. 如何看一组数据的分布情况
计量数据释义：计量数据是指使用计量器具经检测而出具的数据，也可以叫“量值”、“测量结果”、“测量数据”等。
计数数据释义：与计量型数据（Variables Data ）相对, 可以被分类用来记录和分析的定性数据。
区别：凡是可以连续取值的，或者说可以用测量工具具体测量出小数点以下数值的这类数据，叫计量值数据，如长度、重量、温度、力度等，这类数据服从正态分布。凡是不能连续取值的，或者说即使用测量工具也得不到小数点以下数据的，而只能以0或1、2、3等整数来描述的这类数据，叫计数值数据，如不合格品数、缺陷数等，又可细分为计点数据和计件数据，计点数据服从泊松分布，计量数据服从二项分布。
10. 怎么看数据的分布
很多人是看置业顾问的广告去判断房源信息的，我们经常看到他们发这样的字眼：“揽阔一线江景房“。
其实这样的字眼不一定是你想要的那种江景房，让我猜猜你们想象中的江景房的样子，应该是这样子的。
小区楼栋排布一共分3种：
一：点群式
二：行列式
三：周边式
中德未来城：
我们可以看到三个排布方式各有优缺点，甚至现在很多小区都进行了三个样式的混搭，因此还要考虑楼栋之间的楼间距、小区所处的纬度、当地气候。
合理的楼间距计算公式：1：1.2。譬如万科的1号楼是21层，那么1号楼到3号楼，最小楼间距需要达到73.08米，实测是达到了76.5米，舒适。
小区所处的纬度：以台州为例，是北纬28°39′，属于亚热带季风气候，由于太阳光照不是90°直射，为了确保光照最大化，小区不应该正南正北，应该偏东3°-5°适合。
回顾以上三个小区，中德打造的是三恒系统，恒温恒湿衡氧，但是就人体物理需求，光照还是非常重要的，由于他们的楼盘还没有明确楼间距等数据出来，还是期待中德未来城可以关注到楼间距的细节。
中梁.壹号院，容积配比齐全，包含了洋房、别墅、高层，需要重视的是高层的楼间距，以及对就近的洋房、别墅的挡光影响，不要因为地理区隔影响到精神区隔。
万科城的楼间距数据已经明确，都在国家要求之上，为了迎合纬度的需求，特地偏东3°-5°，居住体验回非常舒适。