在数据分析过程中，我们经常会用到不同分布形态的的数据。常见的数据分布形态有正态分布，随机分布（均匀分布）、泊松分布、指数分布等，但在数据分析中，最重要的分布形态是正态分布，很多数据分析技术都是面向正态分布的定距变量或者高测度的定序变量。如何分辨数据是否是正太分布呢，进行如下三种方法的介绍。
操作方法
（01）方法一：正态曲线直方图在分析选项卡下，选择描述--频率，在频率页面，在绘图选项选择带正态曲线的直方图。绘制带正态曲线的直方图通过对比直方图与正态曲线的拟合程度，判定数据序列的分布形态是否接近正态分布。我们以家庭总收入为例，根据直方图，判断是否符合正太分布，很明显曲线是偏向一侧的，所以不符合正太分布。
（02）方法二：Q-Q图和P-P图在分析选项卡下，选择“分析”-“描述统计”-“P-P图或Q-Q图”。P-P图与Q-Q图的判断原理相同，区别在于横纵坐标的单位不同，P是累积比例，Q是分位数。还是以家庭总收入为例。散点能够与斜线很好的吻合，则说明该数据序列符合正态分布，明显点分散在两侧，没有集中在一条直线上，所有不成正态分布。
（03）方法三：K-S正态检验这是在不确定数据分布是否成正态性分布经常用的检验方法，在分析选项卡下，选择：分析-非参数检验-旧对话框-样本K-S。用K-S作正态性检验则是通过对比数据序列与标准正态分布有没有显著性差异来判断序列是否满足正态分布。通过比较检测P值，P>0.05（具体值自己设定），说明与正态性没有显著差异，成正态性分布。图中分析结构，为0，说明不成正态性分布。
特别提示
用哪种检验方法根据数据量的大小和是否能够预测自己选择即可。
