一：为判断奶粉重量是否合格，根据抽样数据做单样本t检验（预设奶粉重量总体为正态分布），结果如下：

                        单个样本统计量
                                Bootstrapa
                                        95% 置信区间
                Statistic        偏差        标准 误差        下限        上限
奶粉重量        N        9                                
        均值        .50900        .00007        .00330        .50233        .51511
        标准差        .010897        -.000987        .002617        .004304        .014259
        均值的标准误        .003632                                
a. Unless otherwise noted, bootstrap results are based on 1000 bootstrap samples


                        单个样本检验
                        检验值 = 0.5                                    
                                        差分的 95% 置信区间
        t        df        Sig.(双侧)        均值差值        下限        上限
奶粉重量        2.478        8        .038        .009000        .00062        .01738


                        单个样本检验 Bootstrap
                                Bootstrapa
                                        95% 置信区间
        均值差值        偏差        标准 误差        显著性水平（双侧）        下限        上限
奶粉重量        .009000        .000068        .003300        .066        .002333        .015111
a. Unless otherwise noted, bootstrap results are based on 1000 bootstrap samples

t检验的p值为0.038，拒绝原假设；Bootstrap法检验p值为0.066，不能拒绝原假设。PP图显示最大偏离超过-0.1.
.497
.506
.518
.524
.488
.511
.510
.515
.512
上述数据位检验用原始数据
问题：1 什么原因导致这种截然相反的推断结论？ 是因为样本数据出现强烈偏态吗？（PP图显示最大偏离超过-0.1 ）
2 如果数据是安全性指标，此时还可以采信Bootstrap的推断结论吗？
3 在PP图上，最大偏离达何种指标时，可认为是强烈偏态？对于强烈偏态的数据，使用Bootstrap方法依然可以得到比较稳妥的推断结论？如此而言，就是说，可以不必理会数据偏态程度，bootstrap都可以搞定？

二：下列数据来自一参数未知的正态总体：

48.5
49.0
53.5
49.5
56.0
52.5


用t检验检验其均值是否为52.0，并执行了bootstrap。
1 t检验p值为0.698，但是并未如上例奶粉重量一例显示Bootsrap的P值，为什么不显示Boostrap的P值？
2是否t检验p值接近0.05时，才能显示执行的Boostrap的P值？

三：对两个正态样本的方差齐性问题，在检验其均值时，可以直接忽略，用两样本t检验模块检验，方差齐，看t检验结果；方差不齐，看校正检验结果，是这样吗？
有了bootstrap方法，对于均值检验问题，可以直接用这个方法检验，而不必太介意正态性问题, 对吗？

四：单样本、两样本的U检验在spss中如何实现？由于U检验需要知道总体方差，t检验则不需要，而实践中很难获得总体方差，所以在检验正态数据均值时，根本不要理会U检验这种事情，U检验干的事情，t检验都能搞定，对吗？