问：关于数据非正态分布怎么办
- 答：可以应用变量变换的方法,将不服从正态分布的资料转化为非正态分布或近似正态分布。常用的变量变换方法有对数变换、平方根变换、倒数变换、平方根反正玄变换等，应根据资料性质选择适当的变量变换方法。
1、对数变换 即将原始数据X的对数值作为新的分布数据：
X’雀数=lgX
当原始数据中有小值及零时，亦可取X’=lg（X+1）
还可根据需要选用X’=lg（X+k）或X’=lg（k-X）
对数变换常用于（1）使服从对数正态分布的数据正态化。如环境中某些污染物的分布，人体中某些微量元素的分布等，可用对数正态分布改善其正态性。
（2）使数据达到方差齐性，特别是各样本的标准差与均数成比例或变异系数CV接近于一个常数时。
2、平方根变换 即将原始数据X的平方根作为新的分布数据。
X’=sqrt（X）
平方根变换常用于：
1）使服从Poission分布的计数资料或轻度偏态资料正态化，可用平方根变换唤岁扒使其正态化。2）当各样本的方差与均数呈正相关时，可使资料达到方差齐性和昌。
3）倒数变换 即将原始数据X的倒数作为新的分析数据。
X’=1/X
常用于资料两端波动较大的资料，可使极端值的影响减小。
4、平方根反正旋变换 即将原始数据X的平方 - 答：该什么分布就什么分布。随机数据的统计分布不都是正态的。可以试一试是否是对数正态分布，有些原始数据不服从正态分布，但取对数之后却服从正态分布。只有当影响数据分布的因素很多、而每种因素的影响又谨简明很小的时候，数据才呈正态分布，否则一般分布是偏咐让态的。如果事先确定某种数据应当是正态分布，而处理结果不是正态的，那么应考虑数据的获得、数据处理方法、试验方祥告法等会否有问题？供您参考。
问：数据怎么处理都不服从正态分布怎么办
- 答：数据不正态是非常常见的问题，很多人一旦发现数据不正态，往往第一反应是寻求变换，常用的就是Box-Cox变换。如果还不行，就直接上非参数了。我的意见是先等一等，弄清不正态的原因再说。数据不正态的表现形式根据我个人的经验和认识，数据不正态大致有以下一些原因：数据本来就不应该是正态的如可靠性研究中，数据基本上是服从或韦伯分布的；在设备维护中，也不服从；一个城市也不可能是正态分布的；也是严重右偏分布；客户满意度调查中，如果是分埋樱打分，通常会集中在分，而分是截尾的，不可能有大于分的，因此它也不可能是正态的。如果明确知道样本禅森数据所代表的总体本来就不是正态分布的，可以考虑寻求变换，通常都会找到恰当的变换参贺液亩数。但有些数据也不一定能够变换成功，如分辨力很低的数据数据的取值很少，如像客户满意度调查这样的截尾数据，这时可以采用来进行分析。
问：不是正态分布的数据怎么分析
- 答：不是正态的，第一反应是寻求变换，常用的就是Box-Cox变换。如果还不行的话，就直接上非参数了。
对待这种问题，一般要先弄清不正态的原因再说。
第一种情况：数据本来就不是正态的。
如果明确知道样本数据所代表的总体本来就不是的，可以考虑寻求变换，通常都会找到恰当的变换参数。但有些数据也不一定能够变换成功，这时可以采用来进行分析。
第二种情况：存在异常点。
如果确认是异常点，可以考虑剔除。但如果找不到产生异常点的原因，它可能就是一个正常数据，此时可以考虑补充抽样，看看能不能把异常点与大多数数据中的空间填补上。
第三种情况：双峰(多峰)数据。
可能每组数据都服从正态分布，但混在一起就迅培不行了。恰当的做法是尽可能把数据按不同属性分开分析。
第四亩首唯种情况：平顶的数据。
平顶的数据是指在上看到的图形是相对比较平坦的，这时就芹握要考虑尽可能把混在一起的数据按其属性分开，每个属性的数据单独分析。同时还可以考虑只取近期的数据进行分析，历史数据在当前可能不那么适用了。
