如何看出数据偏离正常分布

Ⅰ 标准偏差多少算正常

请问标准偏差在什么范围才是正常的? 5分
这个得看具体情况来规定吧，标准偏差只是一种量度数据分布的分散程度的标准，用来衡量数据值偏离算术平均值的程度，如果一组数据确定了，标准差也就确定了。根据工作的需要，严格的话就把正常的范围规憨小一点，宽松的话就规定大一点。
国家规定的误差标准是多少啊
你好，我记得原来是0.03，只要上下在这个范围，都是准许的，现在可能有变化吧，具体不是很清楚。但这个差是非常小的，对我们的影响不大，这些产品都要经过反复的复称才可以出厂的，一般不会错，有的是称会差点，有的是操作的问题。
标准偏差多少好？
越小越好。标准偏差公式：S = Sqrt[(∑(xi-x拔)^2) /（N-1）]公式中∑代表总和，x拔代表x的均值，^2代表二次方，Sqrt代表平方根。 例：有一组数字分别是200、50、100、200，求它们的标准偏差中弊袜。 x拔 = (200+50+100+200)/4 = 550/4 = 137.5 S^2 = [(200-137.5)^2+(50-137.5)^2+(100-137.5)^2+(200-137.5)^2]/3 标准偏差 S = Sqrt(S^2) STDEV基于样本估算标准偏差。标准偏差反映数值相对于平均值 (mean) 的离散程度。
标准差多大算是合理
越小越合理

计算标准差，一般要至少多少数据才合理？
标准差是用来评价单值与均值的离散度，原则上讲，只要能计算均值的样本量就可以计算标准差。但是考虑到分析标准差意义，通常最小的样本应大于功于5个，才有必要计算标准差。
标准差的数值的大小代表什么意义?标准差大好还是小好?
标准差也被称为标准恭差，或者实验标准差。简单来说，标准差是一组数据平均值分散程度的一种度量。

一个较大的标准差，代表大部分数值和其平均值之间差异较大；一个较小的标准差，代表这些数值较接近平均值。 一般来说标准差较小为好，这样代表比较稳定。
标准差大小如何衡量？
标准差（Standard Deviation） ，是各数据偏离平均数的距离的平均数，它是离均差平方和平均后的方根，用σ表示。标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。平均数相同的，标准差未必相同。

这个标准差大小的话，没有标准的比较依据偿你可以根平均数相同的另一数组比较其标准差，标准差越小，数组离散越小。
一组品质数据的标准差控制在多少以内比较合理？
当然取决于这个品质特性的规范公差 比如标准规定这种特性的公差允许限卖激是+-6 ，实际测得的特性标准差为3， 那么过程的西格玛水平也就,12/6=2 ,

2 西格玛质量水平 是个什么概念？ 相当于30%的品质缺陷率，显然不能接受 。所以要改进这种品质特性，达到起码4西格玛水平 ，也就是千分之6.3的缺陷率，这时候就要控制你的标准差在1.5

所以总结一下，标准差的控制取决于两卜肢样，一样就是标准范围公差要求多少，第二就是要达到多少的合格率水平。

当然话说回来：标准差是越小越好，当然越小的成本就越高！一般是按照公司的质量定位(比如说低价低质量定位 符合性质量市场价定位 高质量高定价定位，或是纯粹的高性价比定位）

Ⅱ 如何判断一个数据服从正态分布

判断正态分布的方法如下：

一、正态性检验：偏度和峰度。

1、偏度（Skewness）：描述数据分布不对称的方向及其程度。

当偏度≈0时，可认为分布是对称的，服从正态分布；

当偏度>0时，分布为右偏，即拖尾在右边，峰尖在左边，也称为正偏态；

当偏度<0时，分布为左偏，即拖尾在左边，峰尖在右边，也称为负偏态；

2、峰度（Kurtosis）：描述数据分布形态的陡缓程颂李度。

当峰度≈0时，可认为分布的峰态合适，服从正态分布（不胖不瘦）；

当峰度>0时，分布的峰态陡峭（高尖）；

当峰度<0时，分布的峰态平缓（矮胖）；

3、SPSS操作方法。

4、结果解读。

二、正态性检验：图形判断。

1、直方图：表示连续性变量的频数分布野颤迟，可以用来考察是否服从正态分布

选择“图形”下拉菜单中的“旧对话框”，选择“旧对话框”中的“直方图”；

把变量“x2”放入变量框中，勾选“显洞尘示正态曲线”；

2、P-P图和Q-Q图。

（1）P-P图反映了变量的实际累积概率与理论累积概率的符合程度，Q-Q图反映了变量的实际分布与理论分布的符合程度，两者意义相似，都可以用来考察数据资料是否服从某种分布类型。若数据服从正态分布，则数据点应与理论直线（即对角线）基本重合。

（2）SPSS操作：

选择“分析”下来菜单中的“描述统计”，及“描述统计”下的“P-P图”；

选择变量，及勾选正态分布；生成如下图形。

三、正态性检验：非参数检验方法。

Ⅲ 如何判别测量数据中是否有异常值

异常值outlier：指样本中的个别值，其数值明显偏离它（或他们）所属样本的其余观测值,也称异常数据，离群值。

目前人们对异常值的判别与剔除主要采用物理判别法和统计判别法两种方法。

所谓物理判别法就是根据人们对客观事物已有的认识，判别由于外界干扰、人为误差等原因造成实测数据值偏离正常结果，在实验过程中随时判断，随时剔除。

统计判别法是给定一个置信概率，并确定一个置信限，凡超过此限的误差，就认为它不属于随机误差范围，将其视为异常值剔除。当物理识别不易判断时，一般采用统计识别法。

对于多次重复测定的数据值，异常值常用的统计识别与剔除法有：

拉依达准则法（3δ）：简单，无需查表。测量次数较多或要求不高时用。是最常用的异常值判定与剔除准则。但当测量次数《=10次时，该准则失效。

如果实验数据值的总体x是服从正态分布的，则

式中，μ与σ分别表示正态总体的数学期望和标准差。此时，在实验数据值中出现大于μ＋3σ或小于μ—3σ数据值的概率是很小的。因此，根据上式对于大于μ＋3σ或小于μ—3σ的实验数据值作为异常值，予以剔除。具体计算方法参见http://202.121.199.249/foundrymate/lessons/data-analysis/13/131.htm
在这种情况下，异常值是指一组测定值中与平均值的偏差超过两倍标准差的测定值。与平均值的偏差超过三倍标准差的测定值，称为高度异常的异常值。在处理数据时，应剔除高度异常的异常值。异常值是否剔除，视具体情况而定。在统计检验时，指定为检出异常值的显著性水平α=0.05，称为检出水平；指定为检出高度异常的异常值的显著性水平α=0.01，称为舍弃水平，又称剔除水平(reject level)。
标准化数值（Z-score）可用来帮助识别异常值。Z分数标准化后的数据服从正态分布。因此，应用Z分数可识别异常值。我们建议将Z分数低于-3或高于3的数据看成是异常值。这些数据的准确性要复查，以决定它是否属于该数据集。

肖维勒准则法（Chauvenet）：经典方法，改善了拉依达准则，过去应用较多，但它没有固定的概率意义，特别是当测量数据值n无穷大时失效。
狄克逊准则法（Dixon）：对数据值中只存在一个异常值时，效果良好。担当异常值不止一个且出现在同侧时，检验效果不好。尤其同侧的异常值较接近时效果更差，易遭受到屏蔽效应。
罗马诺夫斯基（t检验）准则法：计算较为复杂。
格拉布斯准则法（Grubbs）：和狄克逊法均给出了严格的结果，但存在狄克逊法同样的缺陷。朱宏等人采用数据值的中位数取代平均值，改进得到了更为稳健的处理方法。有效消除了同侧异常值的屏蔽效应。国际上常推荐采用格拉布斯准则法。

Ⅳ Excel如何发现偏差值

收集的数据中，经常出现比其他数据极端大或极端小的数值，即“偏差值”。以下是我为您带来的关于如何发现偏差值，希望对您有所帮助。
如何发现偏差值
偏差值又叫异常值、离群值、特殊值等.在数据挖掘中，发现偏差值并分析其产生的原因或理由非常重要。发现偏差值后需要将其排除，但同时也能从中发现到目前为止未能确认的有效信息或特征。偏扮巧差值也许是含有宝藏的原矿石，其中隐藏了发现新结果的可能性。发现偏差值后，请一定找出原因，这也是Excel数据分析的一个很好的经验。

从大量数据中发现偏差值的方法之一是建立数据分布图，从视觉上判断偏差值，然后双击数据(点)。如下图所示，弹出“数据点格式”。在“数据标志”中选择“值”，则图表中显示数据(点)名称(数据标签)。

其他参考资料：异常值outlier：一组测定值中与平均值的偏差超过两倍标准差的测定值。与平均值的偏差超过三倍标准差的测定值，称为高度异常的异常值。在处理数据时，应剔除高度异常的异常值。异烂缺高常值是否剔除，视具体情况而定。在统计检验时，指定为检出异常值的显著性水平α=0.05，称为检出水饥尺平;指定为检出高度异常的异常值的显著性水平α=0.01，称为舍弃水平，又称剔除水平(reject level)。

猜你喜欢：

1. 怎样在excel两个表格中找到相同数据

2. Excel2007如何分类汇总

3. Excel中表格发现不可读取内容的解决方法

4. excel2007不可读取内容怎么办

5. Excel怎样计算标准偏差值

Ⅳ 如何判断一组数据是否为正态分布

当我们应用统计方法对数据进行分析时，会发现许多计量资料的分析方法，例如常用的T检验、方差分析、相关分析以及线性回归等等，都要求数据服从正态分布或者近似正态分布，但这一前提条件往往被使用者所忽略。因此为了保证数据满足上述统计方法的应用条件，对原始数据进行正态性检验是十分必要的，这一节内容我们主要向大家介绍如何对数据资料进行正态性检毁裤高验。

一、正态性检验：偏度和峰度
1、偏度（Skewness）：描述数据分布不对称的方向及其程度（见图1）。

当偏度≈0时，可认为分布是对称的，服从正态分布纤尺；

当偏度>0时，分布为右偏，即拖尾在右边，纯老峰尖在左边，也称为正偏态；

当偏度<0时，分布为左偏，即拖尾在左边，峰尖在右边，也称为负偏态；

注意：数据分布的左偏或右偏，指的是数值拖尾的方向，而不是峰的位置，容易引起误解。

2、峰度（Kurtosis）：描述数据分布形态的陡缓程度（图2）。

当峰度≈0时，可认为分布的峰态合适，服从正态分布（不胖不瘦）；

当峰度>0时，分布的峰态陡峭（高尖）；

当峰度<0时，分布的峰态平缓（矮胖）；

利用偏度和峰度进行正态性检验时，可以同时计算其相应的Z评分（Z-score），即：偏度Z-score=偏度值/标准误，峰度Z-score=峰度值/标准误。在α=0.05的检验水平下，若Z-score在±1.96之间，则可认为资料服从正态分布。

了解偏度和峰度这两个统计量的含义很重要，在对数据进行正态转换时，需要将其作为参考，选择合适的转换方法

Ⅵ 如何分析数据的集中趋势和离散趋势

一、集中趋势

集中趋势是指一组数据所趋向的中心数值。对集中趋势的度量就是采用具体的统计方法和统计测度对这一中心数值的测量和计量，以一个综合数值来表述数据所趋向的这一中心数值的一般水平。

二、离散趋势

在统计学上描述观测值偏离中心位置的趋势，反映了所有观测值偏离中心的分布情况。

异众比率用于评价众数的代表性测度。异众比率越接近1，众数的代表性越弱。四分位差是指上四分位数与下四分位数的绝对离差。平均差是指全部变量值与均值离差的绝对值的均值。

平均差以均值为握亩中心，通过每个变量值与均值的绝对距离反应数据离散程度的测度。方差是指全部变量值与其均值的离差平方的均值。标准差是方差的算术平方根。离散系数是指同一御皮岁总体的标准差与均值的比较。标准化值是以变量值与其均值的差除以同一数据的标准化的比值。

集中趋势和离散程度是关于数据分布的基本测度，要进一步描述数据分布的形态是否偏倚，偏倚的方向和程度；分布是尖耸还是扁平，尖耸或扁平的程度，以及数据分布形态与正态分布的差异等，还需要对数据分布的偏态和峰度进行测量。

(6)如何看出数据偏离正常分布扩展阅读

一、描述集中趋势的统计量

统计学中常用平均数来描述一组变量值的集中位置或平均水平。常用的统计量指标有算数均数、几何均数、中位数和百分位数。

1、算数均数：即为均数，用以反映一组呈对称分布的变量值在数量上的平均水平。

2、几何均数：常用以反映一组经对数转换后呈对称分布的变量值在数量上的平均水平。

3、中位数：适用于偏态分布资料和一端或两端无确切的数值的资料。是第50百分位数

4、百分位数：为一界值，用以确定医学参考值范围。

二、描述离散趋势的统计量

离散趋势是反映资料的变异程度，常用指标有极差、四分位间距、方差与标准差、变异系数。

1、极差：为一组数据的最大值和最小值之差，但极差不能反映所有数据的变异大小，且极易受样本含量的影响。常用以描述偏态分布。

2、四分位数间距：它是由第3四分位数与第1四分位数相减得到，常和中位数一起描述偏态分布资料的分布。

3、方差与标准差：反映一组数据的平均离散水平，消除了样本含量的影响，常和均数一起用来描述一组数据中的离散和集中趋势。

4、变异系数：多用于观察指标单位不同时，可消除因单位不同而不能进行比较的困难。

Ⅶ 怎么判断数据是否偏离线性曲线

判断数据是否偏离线性曲线需要在等级资料的基础上进行。
1、先确定线性的部分:那么也就是，假设理想的数据就应该是一条直线，那么用线性拟和公式，得到直线知滚的方程。
2、分析实际数据点和直线之间的偏差，初步判断那部裂神分是由于测量造成的，那些部分是明显的弯曲----例如制定了一个近似的曲线方程，那么要保证数据点到曲线的距离之和尽量小，同时这个曲线方程又不要肆猛亏太复杂。这个并没有统一的定律。

Ⅷ 请问标准偏差在什么范围才是正常的

范围规则的范围内规则的样品的标准偏差是约等于四分之一的范围内的数据。这是一个非常简单的公式来使用，而只应作为一个非常粗略的估计的标准偏差。

随着样本数(或测量次数)n的增大，标准差趋向某个稳定值，即样本标准差s越接近总体标准差σ，而标准误则随着样本数(或测量次数)n的增大逐渐减小，即样本平均数越接近总体平均数μ。

标准偏差是一种度量数据分布的分散程度之标准，用以衡量数据值偏离算术平均值的程度。标准偏差越小，这些值偏离平均值就越少，反之亦然。标准偏差的大小可通过标准偏差与平均值的倍率关系来衡量。

(8)如何看出数据偏离正常分布扩展阅读

标准偏差和范围是一个数据集的蔓延这两项措施。每个数字都以自己的方式告诉我们怎么间隔出的数据，因为他们都变化衡量。依赖于一个非常简单的公式，从最大值减去最小值的数据值的范围内。

标准偏差是变异的一个更可靠的措施，然而，不容易受到异常值，标准偏差的计算比取值范围为更多地参与。虽然有一个没有被明确规定的范围和标准偏差之间的关系，有一个经验法则，可以是有用的。

Ⅸ 如何判断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。

Ⅹ 如何用excel验证数据是否服从正态分布

P-P图：以样本的累计频率作为横坐标，以安装正态分布计算的相应累计概率作为纵坐标，把样本值表现为直角坐标系中的散点。如果资料服从整体分布，则样本点应围绕第一象限的对角线分布。

Q-Q图：以样本的分位数作为横坐标，以按照正态分布计算的相应分位点作为纵坐标，把样本表现为指教坐标系的散点。如果资料服从正态分布，则样本点应该呈一条围绕第一象限对角线的直线。

由于一般的正态腊禅仔总体其图像不一定关于y轴对称，对于任一正态总体，其取值小于x的概率。只要会用来求正态总体在某个特定区间的概率即可。

(10)如何看出数据偏离正常分布扩展阅读：

正态分布注意事项：

1、当偏度≈0时，这样可认为分布是对称的，服从正态分布。

2、当偏度>0时，分布为右偏，即拖尾在右边，峰尖在左边，也称为正偏态。

3、当偏度<0时，分布为左偏，即拖尾在左边，峰尖在右边，也称为负偏态，注意数据分布轮汪的左偏或右偏，指的是数袭顷值拖尾的方向，而不是峰的位置，容易引起误解。

4、利用偏度和峰度进行正态性检验时，用户可以同时计算其相应的Z评分（Z-score），即：偏度Z-score=偏度值/标准误，峰度Z-score=峰度值/标准误。在α=0.05的检验水平下，若Z-score在±1.96之间，用户则可认为资料服从正态分布。