基于spss数据统计分析

1. 正态性检验
   http://cda.pinggu.org/view/21577.html
   https://blog.csdn.net/songchunhong/article/details/80322640
2. spss中 分类、有序、定量变量…变量的类型 http://bbs.pinggu.org/thread-4717729-1-1.html https://zhuanlan.zhihu.com/p/26941279
3. Python【3】–matplotlib(箱线图)
   https://www.kesci.com/home/project/59f6ec6dc5f3f511952c228e
4. 显著性检验介绍，相对易理解 https://www.cnblogs.com/hdu-zsk/p/6293721.html
5. 显著性检验的一点理解感悟：“无假设，不检验”，检验的前提是有假设，提出假设后是进行样本的独立检验。（独立样本还是多样本就看自己的样本集有几个。检验即设置对照试验，对照试验要有设置对照组的分类变量，和待检验变量）约定成俗的假设是：没有显著性差异。根据样本是否服从正态分布而进行不同的检验。若服从正态分布，则进行独立样本t检验，若不服从正态分布则进行非参数检验（多为秩和检验）。检验结果分析：看显著性的值，若>0.05则接受原假设，所以不具有显著性差异,若<0.05则拒绝原假设，所以有显著性差异。spss、MATLAB、Python都有做检验的模块，spss相对更简单快速。
6. 非参数检验(Nonparametric tests)是统计分析方法的重要组成部分，它与参数检验共同构成统计推断的基本内容。参数检验是在总体分布形式已知的情况下，对总体分布的参数如均值、方差等进行推断的方法。但是，在数据分析过程中，由于种种原因，人们往往无法对总体分布形态作简单假定，此时参数检验的方法就不再适用了。非参数检验正是一类基于这种考虑，在总体方差未知或知道甚少的情况下，利用样本数据对总体分布形态等进行推断的方法。由于非参数检验方法在推断过程中不涉及有关总体分布的参数，因而得名为”非参数”检验。
   原文：https://blog.csdn.net/zealfory/article/details/77499064
7. 箱线图的一点理解感悟：展示数据的分布情况，更直观形象。在机器学习分类研究中，箱式图展示不同类别下各特征变量的分布，有助于理解数据，思考数据，处理数据，提高分类准确率。