数据正态性的检验方法

t-test在显著性检验中应用很广。但它应用的前提有两个：

1. 数据服从正态分布

2. 不同组间方差齐性

看了一些网站找了几个全面又好理解的资料。

都有现成的了看就完了~

01

R中检验正态分布的方法：

Kolmogorov–Smirnov test：

ks.test(x,y,…)函数

Anderson–Darling test ：

ad.test(x)函数

Shapiro-Wilk test：

shapiro.test(x) 函数。适用于小样本（3≤n≤50）

Lilliefor test：

lillie.test(x)函数

参考：

https://www.cnblogs.com/REAY/p/6709177.html

shapiro.test(x)只能检验单变量正态性，mshapiro.test(x) 可检验多变量的正态性。该函数封装在mvnormtest包中。这个包也只有这一个函数。

参考：

https://bbs.pinggu.org/thread-417275-1-1.html

02

除了以上的方法，还有图形化的比较方法：

QQ-plot 分位数图；

与正态密度函数直接比较；

使用经验分布函数，直接比较数据的经验分布函数和正态分布的分布函数对比。

参考：

www.omicshare.com/forum/forum.php?mod=viewthread&tid=790&highlight=%E6%AD%A3%E6%80%81%E6%80%A7

03

R中检验方差齐性的方法：

Bartlett test:

数据符合正态分布，适用此方法。Bartlett.test(x)函数

Levene test：

leveneTest(x)函数

Fligner-Killeen test:

非参检验方法，不依赖于任何分布。Fligner.test(x)函数

参考：

https://bbs.pinggu.org/thread-4900404-1-1.html