如何用spss绘制正态分布图
如何使用SPSS验证是否符合正态分布？
如何使用SPSS验证是否符合正态分布？
1、新建数据文件，准备测试数据集，在SPSS中输入演示数据。首先使用分析gt描述统计gt探索进行正态分布验证。
spss中样本数大于100需要正态分布检验吗？
需要注意以下区别： 1、检验一个样本的总体是否服从正态分布，不管样本数是多少，正态性检验都是必须的，有可能随着样本数增加越倾向于拒绝原假设（服从正态分布）。
2、依据中心极限定理，样本数若能大于30，样本均值等参数将服从正态分布，此时视为大样本，总体分布可任意。
用SPSS如何分别计算非正态分布的两独立样本的四分位数？
再次感谢，1，2问题已解决，又有新问题3 使用2-independent-samples进行等级资料秩和检验，出来两个结论，Mann-Whitney和Two-Sample Kolmogorov-Smirnov，有区别，选用哪个结论。
4 等级资料进行秩和检验是否需要像卡方检验一样，因为因为n和T值过小而选用fish确切概率法，如果是，使用条件是否和卡方检验相同（n和T的大小），方法是否选用mento carlo模拟法
spss标准化类型？
数据标准化处理是 数据挖掘 的一项基础工作，不同评价指标往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据标准化处理，以解决数据指标之间的可比性。原始数据经过数据标准化处理后，各指标即处于同一数量级，适合进行综合对比评价。
极差法
极差法是对原始数据的线性变换，首先计算指标值得最小值、最大值，计算极差，通过极差法将指标值映射到[0-1]之间。公式为：
新数据(原数据-极小值)/(极大值-极小值)
Z-score标准化法
SPSS默认的数据标准化方法即是Z得分法，这种方法基于原始数据的均值(mean)和标准差(standard deviation)进行数据的标准化。经过处理的数据符合标准正态分布，即均值为0，标准差为1。公式为：
其中μ为所有样本数据的均值，σ为所有样本数据的标准差。
数据标准化的另外一个实用之处
在实际应用中，数据标准化不只是用于指标的可比性处理，还有一些非常实用的用处，利用标准化方法将指标归到最适于我们观测的范围，更加直观。且看案例：
有一组数据，是学生参加某次社会公益活动的数据，其中有一指标为：在校综合评价指数，反映学生在校综合表现水平。
可以看出这个指标的范围为[0-140],但这个范围不太符合我们在学校里的习惯，在学校里经常用[0-100]的百分制，60分以上基本认可为及格，现在这个范围不能直观的反映学生在校表现水平。此时，极差法是一个非常好的选择，我们可以将[0-140]数值，映射到[0-100]，便于直观对比学生的表现。
公式为：(原数据-极小值)/(极大值-极小值)*100
我们再来看看结果：
此时，[0-100]的范围非常符合我们日常的比较标准，能直观的反映学生的在校综合表现，已经达到目的。