2个独立样本 不符合正态分布
    当我们需要比较两个独立样本时，一般可以使用t检验方法。但是，t检验的前提是样本符合正态分布。如果两个独立样本不符合正态分布怎么办呢？接下来，将从以下几个方面来阐述这个问题。
    一、为什么需要样本满足正态分布？
    正态分布是指在统计数据中，如果随机变量是连续的，并且其概率密度函数呈现出钟形曲线，那么就称该随机变量服从正态分布。在实际中，样本分布有很多种，但是有许多统计方法要求样本必须符合正态分布。这是因为正态分布具有一些重要的特征，例如均值和标准差。另外，正态分布通常指示着随机变量是从一个大量的随机变量中随机抽取的，这种情况下，中心极限定理的运用相对较为合理。
    二、怎么判断样本是否符合正态分布？
    1.直观判断法：观察样本的分布图形。如果分布图形呈现出钟形曲线，则可以认为样本符合正态分布。
    2.正态概率图：也可利用SPSS软件绘制出正态概率图，通过图形来判断样本的分布是否趋向于正态。
    3.偏小误差法：使用一定的统计方法来估计样本比正态分布小的误差，如果误差足够小，则可以认为样本符合正态分布。
    三、对于不服从正态分布的两个独立样本，有哪些替代性的假设检验方法？
为什么使用bootstrap?    1.非参数检验：于参数检验相反，不对总体参数做任何假定，而是根据样本中的排序或秩次进行推论。常见的非参数检验方法有Wilcoxon检验、Mann-Whitney U检验等。
    2.Bootstrap法：通过对样本中有限的数据取大量的有放回抽样，产生随机样本，并计算这个统计量的值，最终得到一个样本统计量的分布。
    3.置换法：是一种基础的非参数方法，通过构建零假设和非零假设的检验，通过不断重复实验，得到一个检验统计量值的分布。
    总结：
    对于不服从正态分布的两个独立样本的假设检验，不同的方法具有不同的优点与缺点，需根据研究目的、样本数据特点等来选择合适的方法。在进行数据分析之前，要对数据进行充分的探查，了解其分布情况，才能更准确地分析数据。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。