除了一般线性模型的推理统计中的正态性检验的常见混淆之外：
我理解正态性假设是指方差分析和回归模型中的残差，但是 t 检验呢？
t 统计量的计算使用标准偏差作为离散度的度量，而不是方差分析和回归中 F 统计量的平方和。如果我理解正确，正是因为这个假设样本是正态分布的（即样本标准偏差提供了对总体标准偏差的准确估计）。这是正确的吗？
如果因变量的统计总体不呈正态分布（因此样本不太可能呈正态分布），您会怎么做？这是适合转换的地方吗？
残差与样本数据的正态性；t检验呢？
机器算法验证
回归
t检验
标准差
残差
正态假设
2022-03-19 06:17:31
2个回答
t 检验也是如此。整个数据集不需要呈正态分布（如果组之间的均值存在差异，则不会存在差异），只需残差即可。当然，对于 t 检验，说残差是正态分布的就等于说每个组是正态分布的。
自变量的分布（在 t 检验的情况下，它是组标签）在方差分析、回归等中总是无关紧要的：您对以自变量的给定值为条件的响应变量的分布感兴趣.
所有程序都假设条件正态性，而不是边际正态性。
（考虑：t 检验是具有两组的 ANOVA）
如果您要在 t 检验中分别查看两组的分布（降低您检测共同偏离正态性的能力，但另一方面允许您看到两个分布形状的巨大差异），它是否减去均值并不重要，因为您仍在评估条件正态性。
其它你可能感兴趣的问题