一般的，在哪一种情况下需要注意可能存在的数据非正态问题？

在统计分析或建模过程中，遇到以下情况时需特别注意数据非正态性问题： 1. **小样本场景（n<30）** 中心极限定理失效时，样本均值分布难以逼近正态，此时T检验、ANOVA等参数检验的可靠性显著降低。 2. **极端值/离群点频繁出现** 当箱线图显示超过3个标准差外的数据点，或QQ图呈现"S型"/"反S型"曲线时，往往提示重尾/偏态分布。 3. **非对称分布特征** - 偏度绝对值>1（中度偏态）或>2（严重偏态） - 峰度值>3（尖峰分布）或<3（低峰分布） 例如财务数据中的收入分布常呈现右偏特征。 4. **离散型数据主导** 当分类变量占比超过30%，或连续变量存在明显数据截断（如检测限以下的左删失数据）时。 5. **假设检验结果冲突** 若Shapiro-Wilk检验（p<0.05）与直方图/KDE图结论不一致，建议优先参考可视化结果。 6. **非线性建模需求** 机器学习中，树模型（如随机森林）对非正态数据包容性较强，而线性回归、LDA等模型需要正态性假设。 **处理建议**： - 优先尝试Box-Cox/Yeo-Johnson变换 - 样本量>500时可考虑渐近检验（如z检验） - 必要时转向非参数方法（Mann-Whitney U检验等） （附）正态性检验流程图： ```mermaid graph TD A[数据探索] --> B{样本量?} B -->|n>30| C[观察QQ图/峰度偏度] B -->|n≤30| D[Shapiro-Wilk检验] C --> E[是否严重偏离直线?] D --> F[p<0.05?] E -->|是| G[判定非正态] F -->|是| G ```