不符合正態分佈的配對資料也有自己的統計方法。
1.在觀察到資料不符合正態分佈後，首先要考慮是否是離群值或者極值的影響，也就是說某個或少數個體對整體分布影響很大。如果有要認真分析其產生原因，客觀地判斷這些樣本是否要剔除（不要為了湊正態而隨便剔）
2.如果排除上面的原因，接下來應該考慮：能否經過資料轉換來達到正態分佈。最簡單的例子比如抗體滴度，這種資料一般都是指數分布的，把資料轉換成指數後也許能符合正態分佈。舉例：10，100，1000，以10為底指數化以後就成為1，2，3。資料轉換有很多方法，比較常見的就是對數化了，當然也有別的。
3.如果沒法通過資料轉換符合正態分佈，也不是就沒法分析了。還可以使用非引數檢驗的方法。比如wilcoxon符號秩和檢驗。
關鍵在於忠於資料的真實性，不要硬套某一種方法。如果資料不符合正態還要用t檢驗的話，得出的結果反而是不可信的。其實非參也不錯的，雖然不是首選，但檢驗效能並不比引數檢驗（比如t檢驗）低很多，尤其是資料不符合引數檢驗要求時，更是不錯的選擇。
附：各非引數統計檢驗中所需樣本(n)及處理組數(k)至少應該要多大？
wilcoxon 符號秩檢驗
n>15
mann–whitney u檢驗
n1=3 或 4 且 n2>12; n1>4 且 n2>10
kruskal–wallis h檢驗
k>3 且所有的n>5
friedman檢驗(方差分析)
k=3: n>13; k=4: n>8;k=5: n>5; k>5
符號檢驗
n>35
SPSS教程 資料不符合正態分佈，如何統計描述
我們一般會在文獻的統計方法部分看到這樣的描述 對於數值變數，首先進行正態性檢驗，如果各組均滿足正態性，採用均數 標準差 進行統計描述，採用t檢驗進行組間比較 否則採用中位數 四分位數間距 進行統計描述，採用非引數檢驗進行組間比較。當然，有的雜誌要求非正態的資料統計描述寫成中位數 第一四分位數 第三四...
不符合專利的條件的幾種條件
一些屬於不符合專利授予條件的客體 一 科學發現 二 智力活動的規則和方法 三 疾病的診斷和 方法 四 動物和植物品種 五 用原子核變換方法獲得的物質 六 對平面印刷品的圖案 色彩或者二者的結合作出的主要起標識作用的設計 在中國，專利遵循 先申請原則 即兩個以上的申請人分別就同樣的發明創造申請專利的，...
94 的雲服務不符合GDPR規定
今年4月份，歐盟通過了一項新立法 通用資料保護條例 gdpr 根據對超過20,000個雲服務的調查分析，只有6 的雲服務完全符合該法規。這個新的標準化的資料保 律最遲將於2018年春季在歐盟所有成員國內實施。嚴格意義上講，也包括英國。儘管發生了英國退歐公投事件，但是在呼叫第五十條啟動離開過程的兩年時...