T检验和非参数检验服从或者近似服从正态分布

SNKLSD或者dunett都是基于方差分析的,不适用于非正态的检验,K-W检验如果得到拒绝H0的结果,认为总体分布不同,要进一步确定哪两个总体分布不同,需要使用Nemenyi法检验.这个检验在SPS

t检验常能用作检验回归方程中各个参数的显著性,而f检验则能用作检验整个回归关系的显著性.各解释变量联合起来对被解释变量有显著的线性关系,并不意味着每一个解释变量分别对被解释变量有显著的线性关系

你的数据多少了,一般情况下如果数据量不超过30个,以t检验的结论为主当然你如果非要它显著的话,也可以直接采用非参数检验的结论,也不能说错,因为能够用参数检验的方法都可以采用非参数检验,只不过非参数检验

统计课本里写的很清楚,1秩和检验对应独立样本t检验；2中数检验法对应两独立样本平均数之差的t检验；3符号检验对应配对样本差异显著性t检验；4克-瓦氏单向方差分析对应完全随机资料方差分析.同学好好看书啊

多个独立样本检验,然后两两比较再问：用单样本K-S做了正态分析，是正态，那可以用T检验么？

这两个检验你不用管自由度.记住公式就可以.考试的时候套用就行...

最好是描述一下,就简单描述一下.结果的话,主要看的是p值.p值大于0.05,接受原假设,p值小于0.05,拒绝原假设.再问：可是用软件做出来的t值在结果里面是哪一个呢？这个好像比较少用到t值再答：你指

属于参数检验的两总体t检验要求样本为正态分布而非参数检验不要求样本正态分布小样本的分布无规律,用非参数（总体均值、总体方差等都是参数）检验一个大样本（一般超过50算是大样本,也可以酌情考虑增减标准）分

one-wayANOVA,单因素方差分析

SPSS里crosstabs的卡方检验用于列联表行变量与列变量的独立性检验,而非参数检验中的卡方检验属于卡方拟合优度检验,用于考察多分类变量数据的拟合情况（例如星期一至星期五这五个工作日的销售量是否一

可以的.

卡方检验,是一种用途较广的计数资料的假设检验方法,属于非参数检验的范畴,主要是比较两个及两个以上样本率(构成比)以及两个分类变量的关联性分析.其根本思想就是在于比较理论频数和实际频数的吻合程度或拟合优

非参数检验就是在不了解总体的分布情况下的检验方法,这就是区别于t检验的特点.两配对样本t检验：检验一组数据变化前后是否存在差别,此时数据不是独立的,比如说喝减肥茶前后人的体重是否存在明显差别,两组数据

假设检验包括两种一种是已知总体分布类型,对参数做统计检验的参数检验另一种是不知道总体分布类型,利用样本数据对总体分布形态等进行推断,即非参数检验“非参数”检验：不检验参数,而只判断总体分布形态参数指：

T检验法：应用t分布理论对正态总体或近似服从正态分布的总体当方差σ2未知时关于平均数的检验方法.Q检验法：首先把数据按照从大到小排序,找出最大值与最小值,并计算可疑出其与相邻值的差值,并将其与最大值与

是的,F检验和bartlett（适用正态数据）、levene（非正态数据）检验适合于多组样本的比较.

F检验是随机误差检验,t检验是系统误差检验～

可以用spss里的相关分析做一下,看相关系数是多少,我觉得应该相关性比较高,t检验的话用独立样本t检验,分析方法这种问题一般比较多,用哪种其实都可以,关键看哪个是你想要的结果吧.再问：我用相关性算出这

选用非参数检验的情况有：①总体分布不易确定（也就是不知道是不是正态分布）②分布呈非正态而无适当的数据转换方法③等级资料④一段或两段无确定数据等（比如一段的数据是>50,是一个开区间）.一般可以选择参数

F检验的初衷是检验两个样本的方差是否相同.对于回归模型来说,F检验的意思是检验观察样本与预测样本的方差是否相同,F越大显示模型模拟度越好.这是对回归结果的检验,而与回归模型的性质无关,只是检验显著性.