独立：互いに独立して異なる値との間の場合は、因子を一致、研究グループの因子に考慮要因に加えて、他の要因の影響を受けない、ランダム誤りと実質的に同一でない他の要因の影響があってもよいです
非独立の場合：、子供の成長と発達を研究などのサンプルの兄弟、いとこ、中に存在近親
伝統的な統計モデルは、独立した仮定、分散推定値がエラーをテストする仮説の結果につながった不正確なデータ、につながることができます非依存しないが、深刻な非依存しないデータもなりますが導出されたデータに基づいて行われたので、非独立したデータの影響は、比較的大きいですパラメータ推定値の偏差
独立に違反していない研究の設計段階に良いデータを確実にするためにベスト
テストのデータ独立性：走行テスト、DW統計、自己相関分析
もし独立の違反：分散モデル、または他の特別な貧しい補正、または特別な非独立したデータ分析モデル・ジーズ、混合効果モデルを使用しての特別な分析の使用
調査の正常：ヒストグラム、図ステム、図ボックス、PP図、QQ図。
図の境界値PPを経験以上0.05以下のトレンドからの垂直偏差を取り除きます
残差の仮説検定でモデル化した後に正常ますが、お勧めできませんが、低サンプルサイズは、大きなサンプルサイズがアレルギーは、臨床試験の区分は、このような問題は、一般的に正常のための仮説検定を検討する必要はありませんでしょう、遅すぎます
調査ヒストグラム正常
ccss.index1.plot.hist（）
箱ひげ
ccss.index1.plot.box（）
使用KS検査、検査の正常
インポートscipy.stats AS SSは ss.kstest（ccss.index1、" NORM "） ＃KSとは、正規分布に従わない、正規のテスト、統計検定統計量、pvalu p値を調べH0を棄却します
KstestResult（統計= 0.999128160418483、p値= 0.0）
= KS ラムダ Xの：ss.kstest（X、" NORM "） ＃使用KSテストパケット検査時間の正常 ccss.groupby（" 時間"）.index1.apply（KS）
時間 200704（1.0、0.0） 200712（0.9967105263157895、0.0） 200812（1.0、0.0） 200912（1.0、0.0） 名称：index1の,, DTYPE：オブジェクト
シャピロ試験を使用しての正常性を検査
ccss.groupby（「時間」）.index1.apply（ss.shapiro） ＃シャピロテストを使用しては、何のパラメータを正規性を検討していません
時間 200704（0.966885507106781、2.2581652956432663e-06） 200712（0.9562035202980042、6.700251020674841e-08） 200812（0.977051854133606、8.660431194584817e-05） 200912（0.9523671865463257、4.465105973849859e-07） 名：index1の、DTYPE：オブジェクト
発見データ戦略を対処の非正規：である変数変換、変化分析（ノンパラメトリック法）
重症度を評価、t検定は、一定の耐性を持ちます
正に歪ん：変換または平方根変換を、負、ある対数 - （最小値）+1
以上、30％-60％の範囲：平方根の逆正弦変換
分散の均質性
各グループはほとんど差のサンプルサイズは、分散分析はわずかしか影響するわずかな差異が欠落締結する際、一般的には、限り、3未満の最大/最小分散の比として、結果は安定であるが、各場合サンプルサイズが大きすぎるグループの差があるとき、分散の分散分析の不均一性は、かなりのインパクトを引き起こします
ヒストグラムは、分散の均一性を調査します
（による= ccss.time）ccss.index1.hist
ccss.boxplot（カラム= ' index1の' =によって、' 時間'）
ccss.groupby（' 時間'）.boxplot（列= ' index1の'）
使用分散仮説検定の均一性を調査
ss.levene（ccss.index1 [ccss.time == 200704 ]、 ccss.index1 [ccss.time == 200712 ]、 ccss.index1 [ccss.time == 200812 ]、 ccss.index1 [ccss.time == 200912 ] ）
LeveneResult（統計= 2.2068913639343792、p値= 0.08563270755698366）は、
対処戦略ではないの分散：
補正は、
変数変換
交換方法を