实验数据的分布情况（服从正态分布）和变异情况（方差齐性）是以统计假设参数的前提条件的方式提出来的。大都认为数据不服从正态分布，或不满足方差齐性，就不能进行有关的检验（方差分析、Z检验、t检验）。

什么是服从正态分布？

所谓的样本均数是服从正态分布是指每组数据来自正态分布的总体，而所有的样本数据也绝对不可能满足正态分布，但只要通过正态分布拟合检验就可以了。

什么是方差齐性？

所谓方差齐性，即所比较的各族样本来自总体的方差相等，是通过样本方差比较来判断的。显然各组样本的方差不会绝对相等，但只要彼此相差不过于悬殊，就可以认为“方差齐性”基本满足，严格地说这就是“方差齐性检验”。实际上只要何种样本方差之间的差别在统计学上无显著性差异，就认为已满足方差齐性的条件，就可以进行统计学的参数检验了，否则就认为比较的各族样本来自总体“方差不齐”。 为什么要满足正态分布和方差齐性？

然而，对于为什么统计假设的参数检验必须要满足正态分布和方差齐性条件？不满足正态分布或不满足方差齐性将意味着什么？大都未能给予充分的解释。由于这些条件根本上是来自中心极限定理所要求的，许多对统计学原理不了解的学习者和研究者，在进行统计假设的参数检验时，也缺少对“正态分布”和“方差齐性”条件的正确认识。有的人认为方差齐性不满不能直接进行统计假设检验。有的人需要对统计量进行转换，选择另外一个变换后的统计量进行参数检验。

数据正态化转换方法有哪些？

了解决数据的正态性问题，数学家们总结了很多转化方法，但是没有百事通，都需要对症下药，根据数据的实际分布情况，选择合适的转化方法。

计算数据的峰度和偏度，根据数据的分布性状和参数，是否决定做正态性转换。

（1）偏度检验 偏度：完全对称偏度=0（正态分布），值0，为正偏态，可通过画图判断。 （2）峰度检验

是判断曲线陡峭或平缓的指标，如果峰度=0，说明该变量分布合适（常峰态，但罕见）；如果峰度>0，说明该变量的分布陡峭（尖峰态）；反之，如果峰度