t檢驗你好，
即使違反了正態性假設，我能否在均值比較的 t 檢驗中獲得良好的性能？ （在比較兩個群體的情況下，每個群體的觀察數量相似（n = 41 和 n = 42）。 我需要一些參考資料來支持這一點。
謝謝
阿迪亞斯
回复：t檢驗謝謝馬克！回复：t檢驗我不知道答案，所以我查了一下。 我正在使用我在維基百科參考.
分佈平台提供的匯總統計的 JMP 幫助：
PROC CALIS 的 SAS/STAT 幫助：
關於 G1 的維基百科資料：
回复：t檢驗@Mark_Bailey ，感謝您提供這個有趣的參考。 根據您對本文的理解，G1 和 gamma1 是否相同（等於 Fisher 的偏度度量）？ 您能否確認這與 JMP 在“匯總統計”中計算的統計數據相同（例如，在分析>分佈中）？
回复：t檢驗感謝 Markbailey 先生的關注！
回复：t檢驗您還可以使用 Oneway 平台（Fit Y by X）執行 t 檢驗，然後使用 JMP Pro 引導差異。
回复：t檢驗正態分位數圖中的曲率表明總體存在一些偏斜，這是擬合優度檢驗拒絕正態分佈模型的原因之一。 但是，偏斜並不那麼強，因此樣本均值畢竟是近似正態分佈的，並且 t 檢驗應該是有效的。
這是估計確保隨機變量的總和呈正態分佈所需的最小樣本量的參考：
薩格登，RA，等人。 (2002) “Cochran 簡單隨機抽樣規則，
J of the Royal Statistical Society, Series B, Statistical Methodology。 62（4）：787-793。
回复：t檢驗如果沒有“良好性能”的操作定義，就不可能回答您的問題。 如果一切都失敗了，我建議使用任何一種非參數檢驗來檢驗兩個總體均值的假設。 這樣您就不必為“良好的性能”下一個定義，也不必依賴於任何分佈假設。
回复：t檢驗謝謝，
"人口在哪些方面和在何種程度上不正常？”
通過圖分佈和 Shapiro-Wilk W 檢驗 (alpha = 0.05)。 在附圖中，有一個針對一個總體的繪圖和測試示例。
回复：t檢驗如果總體不是正態分佈的，那麼如果樣本量足夠大，就不會違反樣本均值的假設。 中心極限定理說 N 個隨機變量的總和對於大 N 是正態分佈的。 大小 N 取決於人口的偏度。
人口在哪些方面和在何種程度上不正常？
