t检验你好，
即使违反了正态性假设，我能否在均值比较的 t 检验中获得良好的性能？ （在比较两个群体的情况下，每个群体的观察数量相似（n = 41 和 n = 42）。 我需要一些参考资料来支持这一点。
谢谢
阿迪亚斯
回复：t检验谢谢马克！回复：t检验我不知道答案，所以我查了一下。 我正在使用我在维基百科参考.
分布平台提供的汇总统计的 JMP 帮助：
PROC CALIS 的 SAS/STAT 帮助：
关于 G1 的维基百科资料：
回复：t检验@Mark_Bailey ，感谢您提供这个有趣的参考。 根据您对本文的理解，G1 和 gamma1 是否相同（等于 Fisher 的偏度度量）？ 您能否确认这与 JMP 在“汇总统计”中计算的统计数据相同（例如，在分析>分布中）？
回复：t检验感谢 Markbailey 先生的关注！
回复：t检验您还可以使用 Oneway 平台（Fit Y by X）执行 t 检验，然后使用 JMP Pro 引导差异。
回复：t检验正态分位数图中的曲率表明总体存在一些偏斜，这是拟合优度检验拒绝正态分布模型的原因之一。 但是，偏斜并不那么强，因此样本均值毕竟是近似正态分布的，并且 t 检验应该是有效的。
这是估计确保随机变量的总和呈正态分布所需的最小样本量的参考：
萨格登，RA，等人。 (2002) “Cochran 简单随机抽样规则，
J of the Royal Statistical Society, Series B, Statistical Methodology。 62（4）：787-793。
回复：t检验如果没有“良好性能”的操作定义，就不可能回答您的问题。 如果一切都失败了，我建议使用任何一种非参数检验来检验两个总体均值的假设。 这样您就不必为“良好的性能”下一个定义，也不必依赖于任何分布假设。
回复：t检验谢谢，
"人口在哪些方面和在何种程度上不正常？”
通过图分布和 Shapiro-Wilk W 检验 (alpha = 0.05)。 在附图中，有一个针对一个总体的绘图和测试示例。
回复：t检验如果总体不是正态分布的，那么如果样本量足够大，就不会违反样本均值的假设。 中心极限定理说 N 个随机变量的总和对于大 N 是正态分布的。 大小 N 取决于人口的偏度。
人口在哪些方面和在何种程度上不正常？
