查重率太低，是不合格的，因为引用的学术依据太少了，会使得论文内容缺乏理论支持。
对于毕业论文来说，在答辩之前，查重率是一个很重要的部分，大多数学校采用的是20%的查重标准，也就是说论文的正文，引用的字数要小于总字数的20%才能通过，如果高于20%的话就得进行修改。多数同学的查重率在5%到10%，整体呈现一种正态分布，接近20%和接近0%的占少数。
因为论文中有一个很重要的东西叫“文献综述”就是经过查阅各种文献对课题的研究，然后个人经过研究总结，在前人研究的基础上增加自己的研究，让这个课题上升到一个新的高度。
就是论文必定会用到文献，比如知网上的论文、期刊，维基百科、甚至百度。一个优秀的论文一定是基于对前人文献的深入研究来展开的，所以一个优秀的论文不可能不出现前人的观点。
正态分布的数据描述在论文里的写法是
科研论文是呈现研究成果的一种最好的表现形式，其中数据分析的结果则是论文中最为核心的一部分。
每当我们辛辛苦苦写好文章，自信满满投稿后，有时候却连Editor初审的第一关都过不了，甚至惨遭Editor“秒拒”。Editor虽然没有研究的原始数据，但是他们都有一双火眼金睛，常能发现很多平时我们没有注意到的错误和问题。
自己写不出来就仿写，仿写都不会真的是这么多年学白上了。
每年都有同学因使用免费查重导致论文泄露，明明自己写的论文，被别人早一步交稿了，这种情况只能认栽重写。
你享受免费的论文查重服务的同时其实是将论文免费提供给了文库。另外，这类查重都会出现胡乱标红虚高重复率，你查重结果的页面通常会有降重服务出售。
知网查重之所以无可替代，是因为垄断了历年以来的全国大学生论文数据库。因此其它系统的查重结果靠不靠谱，取决于你复制了多少大学生论文。你不能说，我直接复制，你查出来就是靠谱，查不出来就是不靠谱，按照这个逻辑，你自己才是最靠谱的。知网的文库体量那么大，也做不到把你所有复制的东西全都检查出来。
论文降重之扩写大法
例：
原文：鲁迅家门前有两株枣树。
失败版：鲁迅的家门口种着两棵枣树。（变换的字词太少，仍保留了原文50%以上的内容）
本科版：民国著名作家鲁迅家门外种着两棵树，一棵是枣树，另一棵也是枣树。
硕博版：民国某著名作家故居门外种着两棵高大植物，一棵是鼠李科枣属植物，另一棵也是鼠李科枣属植物。
实例分享：
降重前
降重后
常用论文查重、降重系统
知网（本科145篇，硕博225篇，无水印logo，大学生联合文库不全。）
中国CNKI学术不端论文查重
万方（2.9元千字）
万方论文查重检测系统入口
维普（3元千字）
维普论文查重系统
源文鉴（本科170篇，硕博230篇）
源文鉴论文查重系统
早降重
早降重论文降重系统官网_解决毕业论文重复率高_机器智能降重_论文润色修改
其它常用（paperpass，英文国际版）
论文查重-Paper880官网
高校合作较多的查重系统是知网 （垄断历年以来的全国大学生论文数据库）、其次万方、 维普。
这三家如何选择取决于学校合作的是哪家。把精力多用在降重上，查重花一次钱就够了。
其它系统查重的文献有可能并未被校方合作系统收录，你删了之后发现保留的内容反而被校内查重了，花了冤枉钱不说又徒增降重难度。
复制了学生论文，校外任何系统都查不准。包括不同学校之间的知网系统，由于采购标准不同，联合文库也不通用。
统计学分布形态有几种：
正态分布（normal distribution）
若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，记为N(μ，σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。
任意一个服从N(μ，σ^2)分布的随机变量X都可转换为μ = 0和σ = 1的标准正态分布（z=（X-μ）/σ）。
正态曲线下面积的分布规律
t分布（t-distribution）
用于根据小样本来估计呈正态分布且方差未知的总体的均值，即[公式] 服从自由度v=n-1的t分布。
如果总体方差已知，则[公式]服从标准正态分布。
t分布
t检验（t-test）
单个样本t检验
配对样本t检验
两个独立样本t检验
方差不齐时的t'检验（大样本时，可采用z统计量进行检验，z服从标准正态分布）。
F检验
方差齐性检验（homogeneity test of variance）：由两样本方差推断两总体方差是否相同。
方差分析（analysis of variance）：比较多个（k>2）样本的均数。包括：完全随机设计的方差分析，随机区组设计的方差分析，其他设计（析因设计，重复测量设计）。
q检验
多个样本均数的两两比较
卡方检验
多组数据的方差齐性检验
四格表资料的卡方检验，配对四格表资料的卡方检验
R*C列联表资料的卡方检验
非参数秩和检验（用于数据总体分布未知的情况）
配对设计资料的符号秩和检验（signed rank test）：样本少时用检验统计量T，样本大时用检验统计量z。
两独立样本比较的秩和检验：检验统计量T或z。
多个独立样本比较的秩和检验：检验统计量H。
数据分布特征可以从集中趋势、离中趋势及分布形态三个方面进行描述。
1、平均指标是在反映总体的一般水平或分布的集中趋势的指标。测定集中趋势的平均指标有两类：位置平均数和数值平均数。位置平均数是根据变量值位置来确定的代表值，常用的有：众数、中位数。数值平均数就是均值，它是对总体中的所有数据计算的平均值，用以反映所有数据的一般水平，常用的有算术平均数、调和平均数、几何平均数和幂平均数。
2、变异指标是用来刻画总体分布的变异状况或离散程度的指标。测定离中趋势的指标有极差、平均差、四分位差、方差和标准差、以及离散系数等。标准差是方差的平方根，即总体中各变量值与算术平均数的离差平方的算术平方根。离散系数是根据各离散程度指标与其相应的算术平均数的比值。
3、矩、偏度和峰度是反映总体分布形态的指标。矩是用来反映数据分布的形态特征，也称为动差。偏度反映指数据分布不对称的方向和程度。峰度反映是指数据分布图形的尖峭程度或峰凸程度。
一般正态分布的x值减去其均值再除以其西格玛水平所得的z值就是对应标准正态分布的x值。再通过标准正态分布表就可以算出其概率。这时候的z值也是这个一般正态分布在这个概率下的西格玛水平。
求证：假设X～N(μ,σ^2),则Y=(X-μ)/σ～N(0,1).
证明：因为X～N(μ,σ^2),
所以P(x)=(2π)^(-1/2)*σ^(-1)*exp{[-(x-μ)^2]/(2σ^2)}.
(注：F(y)为Y的分布函数,Fx(x)为X的分布函数）
而 F(y)=P(Y≤y)=P((X-μ)/σ≤y)
=P(X≤σy+μ)=Fx(σy+μ)
所以 p(y)=F'(y)=F'x(σy+μ)*σ=P(σy+μ)*σ
=[(2π)^(-1/2)]*e^[-（x^2)/2].
从而,N(0,1).
