如果有任何值是零或负，则分布不可能是对数正态的，因此Prism将不会执行对数正态性检验。

比较正态分布和对数正态分布

Prism使用似然检验比较正态分布和对数正态分布，并计算从每个样本中采样数据的相对似然性。

•对数正态分布仅包含正数。 在对数正态分布中，负值和零是不可能的。 如果没有任何值为零或负，则Prism会检验对数正态性。

•Prism仅拟合这两个分布，并给出了每个分布更有可能是从中采样数据的分布的百分比机会。 当然，可以从中采样无限数量的其他分布。 Prism仅询问哪个更可能是正态或对数正态。它不会注意到两者是否都不太可能！

•对数正态分布在生物学中很常见，因此您会想问是否更可能从正态（高斯）或对数正态分布中采样数据是很常见的。 实际上，这种比较很少进行。 Prism（截至2017年）在简化此检测方面似乎是独一无二的。

•有关数学的详细信息，请参见Burnham和Anderson的6.7.2节“模型选择和多模型推理：实用的信息理论方法”，第二版。 基本上，Prism使用最大似然方法拟合正态分布或对数正态分布，然后比较这两种可能性。 他们指出，这等同于比较两个拟合的AIC。

•不要完全依赖似然比较的结果。 还要查看正态性和对数正态性的检验。

不要忘记查看数据分布图。 使用频率分布分析来绘制频率分布直方图。 在查看统计结果之前，请务必先查看数据。 同样，正态性检验分析可以创建两个QQ图，一个假设正态分布，另一个假设对数正态分布。 在适当假设下制作的QQ图应接近线性。

当对列数据或残差进行正态性检验时，Prism（Prism 8的新功能）可以绘制QQ图。 有多种方法可以标记此类图的轴。 Prism在水平轴上绘制实际的Y值，并在Y轴上绘制预测的Y值（假设从高斯分布采样）。 如果数据是从高斯（正态）分布中采样的，则您希望这些点遵循与标识线匹配的直线（Prism中显示的）