⑴ 怎样判断一个数据点是否服从正态分布
判断数据点是否服从正态分布的方法包括：
一、正态性检验：偏度和峰度
1. 偏度（Skewness）：衡量数据分布不对称性的方向和程度。偏度接近0时，表明分布近似对称，可能为正态分布。偏度大于0表示数据右偏，小于0则表示数据左偏。
2. 峰度（Kurtosis）：描述数据分布形态的尖峭或平坦程度。峰度接近0时，分布的峰态适中，符合正态分布。峰度大于0表示分布峰态尖锐，小于0则表示分布峰态平坦。
3. SPSS操作方法：在SPSS中进行偏度和峰度的计算，通过适当的统计测试来评估数据是否符合正态分布。
4. 结果解读：根据偏度和峰度的统计结果，判断数据是否偏离正态分布的特征。
二、正态性检验：图形判断
1. 直方图：通过直方图可以直观地观察连续变量的频数分布。在SPSS中选择“图形”菜单下的“直方图”，并将变量“x2”添加到变量框中，勾选显示正态曲线选项。
2. P-P图和Q-Q图：这两种图表均用于比较实际数据分布与理论分布（正态分布）的契合度。若数据点与理论直线（对角线）基本重合，则表明数据服从正态分布。
三、正态性检验：非参数检验方法
采用非参数检验，如Kolmogorov-Smirnov检验或Shapiro-Wilk检验，可以评估数据是否符合正态分布，而无需做出分布假设。
⑵ 如何判定属于正态分布
判断数据是否属于正态分布，可以从以下几个方面进行考虑。首先，数据的分布形态应当呈现中间高两头低的特征，并且集中于一个峰上，这是单峰分布的典型表现。其次，数据分布应当具备对称性，以均值作为对称轴，左右两侧应当是对称的。
此外，正态分布的曲线由两个参数决定，一个是位置参数均数，它决定了曲线的中心位置；另一个是形状参数标准差，它决定了曲线的宽度和形状。另外，正态分布曲线与X轴所夹的面积为100%，这表示曲线下的总面积代表了数据的完整分布情况。
这样的特征可以帮助我们识别和判断一组数据是否符合正态分布的标准。当然，正态分布的判断并不完全依赖于直观的观察，还可以通过统计方法进行验证，如计算偏度和峰度等。