如果数据不是正态分布可以分析吗 非正态的数据怎么进行相关性分析？

非正态的数据怎么进行相关性分析？不是一个正常的数据分析。第一反应是求变换，常用的是Box-Cox变换。如果它不 不工作，直接去非参数。处理这个问题，一般需要先找出异常的原因。第一种情况:数据不正常。如

非正态的数据怎么进行相关性分析？

处理这个问题，一般需要先找出异常的原因。

第一种情况:数据不正常。

如果很清楚样本数据所代表的总体不是正态分布，可以考虑求变换，通常会找到合适的变换参数。但是有些数据可能转换不成功，所以可以用非参数检验进行分析。

第二种情况:有异常点。

如果确认是异常点，可以考虑去掉。然而，如果我们能 找不到异常点的原因，可能是正常数据。这时候可以考虑补充抽样，看看能不能用大部分数据中的空间来填补异常点。

第三种情况:(多峰)数据。

有可能每组数据都服从正态分布，但是混合在一起就不好了。正确的做法是尽可能根据不同的属性来分析数据。

第四种情况:平顶数据。

平顶数据意味着直方图上的图形相对平坦。这时候就要考虑把混合的数据尽可能按照属性分开，分别分析每个属性的数据。同时也可以考虑只取近期数据进行分析，历史数据目前可能不那么适用。

非正态数据如何分析？

然而，在某些情况下，观测值并不遵循非正态数据，而是遵循其他类型的分布，如偏态分布。

与非正态数据相比，不符合非正态数据的其他类型分布统称为非正态数据。

1.实践中遇到的许多随机现象服从或近似服从正态分布。

当样本频率分布的直方图无限接近一条人口密度曲线时，人口密度曲线科学地反映了人口分布。

但是关于人口密度曲线的知识比较抽象，学生很难理解，所以我们选择正态分布作为人口分布研究的切入点。

正态分布是统计学中最基本也是最重要的分布。

2.正态分布可以用函数的形式表示。它的密度函数可以写成:

正态分布的密度函数，(σgt0，-∞ltxlt ∞)

因此，正态分布由其均值μ和标准差σ唯一确定。

3.从形态上看，正态分布是单峰钟形曲线，其对称轴为x=μ，x=μ时取最大值。

从x=μ点开始，曲线在正负两个方向上逐渐延伸，不断接近X轴，但从不与X轴相交。因此，曲线以X轴作为正负方向的渐近线。

4.通过三组正态分布的曲线可以知道，正态曲线具有两端低，中间高，左右对称的基本特征。

5.因为正态分布是它的平均值μ之和。标准差σ是唯一的，所以从某种意义上说，正态分布有很多，这给我们进一步的研究带来了一定的困难。

但是我们也发现，在很多正态分布中，N (0，1)是焦点，其他的正态分布都可以转化为N (0，1)。我们称N (0，1)为标准正态分布，其密度函数为，x∈(-∞，∞)，从而简化了正态分布的研究。

6.结合正态曲线的图形特征，总结了正态曲线的性质。

正态曲线很难画，课本上没有要求。教学时，学生可以借助几何画板进行绘图。学生只需要了解大致情况。关键是引导学生通过正态曲线总结其性质。