非正态分布的两个独立样本,如何做差异检验

两个独立正态分布随机变量的联合分布是二维正态分布,而二维正态分布的随机向量的线性组合还依然服从正态分布从而,……再问：为什么两个独立正态分布随机变量的联合分布是二维正态分布再答：独立，联合概率密度等于

1.在F值这一栏中,0.000<0.05,有差异,说明两样本方差不齐.第二栏本来就没有数据的,因为是两样本之间方差齐性比较,只有一个F值.2.有两个t值,是因为计算机把方差齐和方差不齐两种情况的

对於概率抽样,我们可以在总体规模、允许误差、总体方差和置信水平以及经费限制等条件下,计算样本大小.但「非概率抽样」则不一样.在非概率抽样下,我们不能确保每一个个体被选取的机会均等,样本的代表性存疑；因

方差都是相加的.如果X,Y独立,一定有D（X±Y)=D(X)+D(Y)再问：会不会答案错了？？按照相减计算会得出书后的答案再答：那有可能是答案错了，D(X±Y)=D(X)+D(Y)是独立的随机变量的方

正态分布的任意线性变换仍是正态分布,（X,Y）可以写成（U,V）线性变化形式,你给出的系数矩阵就是线性变换的系数矩阵

首先进行方差齐性检验：F=S1的平方/S2的平方.（要求S1的平方>S2的平方,否则自行调整两者的顺序）若方差齐性检验成立,使用上面的公式；若方差齐性检验不成立,则使用下面的公式.再问：若方差不

是的,这是t检验的前提

不可以,此时应该用单因素方差分析（ANOVA）,如果选择了两两的t检验,将会增大犯一类错误的概率.

你可以记住这样一个结论,如果a,b相互独立,并且都服从正态分布,那么对于a,b的任意线性组合c1a+c2b(c1,c2均为常数)也服从正态分布,至于证明涉及高等数学里的知识,无非就是一个二重积分的计算

T检验不需要正态分布的前提,检验用的是T分布再问：THX！是我看书不认真，的确只要求方差齐即可。还想请教：如果我采集1000个人的信息来了解某疾病的发病因素，筛查出来患病的有150个。采集的变量有性别

1.通过F检验可以看到方差是否相等,你说的对的,看第二行2.样本标准差可以使用描述统计中的功能来计算,例如descpritivestatistics3.如果样本数量30以上,可以当作正态分布.如果是小

这个地方需要看第一行的sig值0.040,而不是第二行的0.039.因为Levene检验F值对应的sig值为0.134,大于0.05,说明接受原假设（原假设就是两组总体的方差相等）,因此需要看第一行的

1、检验正态分布的办法,在spss菜单中选择分析——描述统计——探索,将需要检验的变量放入因变量里面,选择“绘制——带检验的正态图,看一下testsofnormality就可以,如果成正态,sig不会

不需要,谁和说总体服从正态分布时,样本方差和样本均值独立了啊?

是的只有相互独立的时候相加减得到的才能是正态分布

对於概率抽样,我们可以在总体规模、允许误差、总体方差和置信水平以及经费限制等条件下,计算样本大小.但「非概率抽样」则不一样.在非概率抽样下,我们不能确保每一个个体被选取的机会均等,样本的代表性存疑；因

因为X,Y独立,所以Var（X-Y）=Var（X）+Var（Y）=2∑（∑^2）=2（∑^2）一般的,如果∑（大写,不是小写的σ）出现,它代表的就是方差阵：）

若两个随机变量X和Y相互独立,那么两个随机变量的和的方差等于各自方差的和：          &nb

是独立的,有个定理,两组数据X,Y,如果存在D(X)和D(Y),如果R=cov(x,y)/√[D(x)D(y)]=0那么他们就是独立的.之所以说不相关未必独立,就是因为数据可能D(X)或D（Y）不存在

两个独立正态分布的随机变量的线性组合仍服从正态分布.这是二维正态分布的边缘分布(不需要独立)的线性组合服从正态分布的特殊情况.因为若X,Y服从相互独立的正态分布,则(X,Y)服从二维正态分布(密度函数