图 28为身高的正态QQ图，其中画出了班上19个学生的19个点，每个点的纵坐标为变量值，而横坐标为该值的累计百分比频数对应的标准正态分位数。比如，身高最低的一个为51.3，其累计百分比频数（即51.3的经验分布函数值）为5.3%，即身高小于51.3的占5.3%，而标准正态分布的0.053分位数为-1.84570，所以此点的横坐标即-1.84570。如果身高服从正态分布，QQ图的散点应大致在一条直线附近变动。QQ图的各种不同形状能够反映出变量分布的偏斜情况和重、轻尾情况。在QQ图中也可以选观测、刷亮等。画出QQ图后选主菜单中的“Curves | QQ Ref Line ”可以为图中散点画一条拟合直线。
图 28的身高的QQ图显示身高基本服从正态分布。如果我们画SASUSER.GPA中GPA分数的QQ 图（图 30）：
就可以看到GPA的分布呈现左偏的情况。这是因为，在QQ图的左下端，GPA散点的走向比正态（图中直线）偏下，说明GPA分布的左尾比正态长；在QQ图的右上端，GPA散点的走向比正态偏右下，说明GPA分布的右尾比正态短，即分布左偏。作为验证，可以看一看的图 29直方图：
图 32给出了与正态相比左偏、右偏、轻尾、重尾的分布的QQ图的典型模式：
除了可以作正态分布QQ图外，还可以作对数正态、指数分布、威布尔分布的QQ图。对数正态要指定参数Sigma，威布尔分布要指定形状参数C。
SAS/INSIGHT为研究一维变量分布除画直方图外还提供了两类 分布密度估计：参数估计和非参数估计。参数估计可以拟合正态、对数正态、指数、威布尔分布密度。非参数估计使用核估计。
比如，为了估计身高的正态密度并把密度曲线叠加在直方图上，选“Curves | Parametric Density ”，弹出对话框图 31：
指定正态分布且方法为用样本估计分布密度参数。按OK后作出的图见图 33：
为了作身高密度的核估计图，选“Curves | Kernel Density”，弹出一个对话框，可以选三种核函数：正态核、三角核、二次函数核，可以自动拟合最优的密度估计（方法为AMISE ）或者自己指定平滑参数C。见图 33。 作了密度曲线图后在图形下面将出现显示密度估计主要参数的表格，见图 34：
单击其中的曲线标志可以加亮显示图中的曲线。对参数密度估计，给出了估计的参数，比如正态的均值、方差；对核估计，给出了核函数类型，及平滑参数值。有些参数旁边有一个滑块，可以手工选择参数的值。比如拖动核估计中的平滑参数，此参数变小时估计的曲线变粗糙，变大时曲线变光滑。
在“Curves”菜单中还提供了对样本经验分布函数的估计。选“Curves | Empirical CDF ”即绘制样本经验分布函数。选“Curves | CDF Confidence Band”并选一个置信限可以在经验分布函数两边画分布函数的置信限，见图 35：
用经验分布函数估计分布函数相当于用直方图估计分布密度。分布函数也可以用参数分布函数（如正态分布）来估计。选“Curves | Parametric CDF”并选分布类型可以画出估计的分布函数。图 35中的光滑曲线即用正态分布估计身高的分布函数。
SAS/INSIGHT还可以进行分布检验，可以检验数据是否来自某一类分布（参数未知），或检验数据是否来自某一特定分布（参数已知）。选“Analyze | Test for Distribution”，并选择是检验正态、对数正态、指数、威布尔分布中哪一个，选正态后，得到图 36的结果。
它给出了分布类型、估计的分布均值、标准差，及Kolmogorov D统计量的值，并给出了检验H0 ：样本来自正态分布的检验p值（Prob > D）为>.15，说明检验结果不显著，不能否定正态假设。
如果要检验数据是否来自某一特定分布，选“Curves | Test for a Specific Distribution ”，并指定分布类型、分布参数，可以计算检验的Kolmogorov D统计量及相应p值。图 37是检验身高是否标准正态分布的结果，可以看出p值为0.0001高度显著，应该否定数据来自标准正态的假设。
说明：在SAS中，统计假设检验的结果一般用检验的p值给出。这与我们习惯的做法稍有不同，以单正态总体的均值检验为例。假设我们要检验SASUSER.CLASS中学生的身高是否均值为零（这当然不可能，我们为简单起见用这种假设），设总体服从
，要检验的零假设为
，水平0.05，统计量
使用t统计量 ，一般我们用的假设检验方法定否定域为W={|t|>C} ，其中C为n-1自由度t分布的双侧0.05分位数（Pr{|t|>C}=0.05），当用样本算出的t统计量的值（如t=A）落入否定域时（|A|>C）否定零假设。在SAS中不需要这样指定否定域，它可以先用样本计算出t统计量的值（A），如果这个A绝对值很大就否定零假设，t统计量绝对值值是不是很大可以用这样一个p=Pr{|t|>|A|}来衡量，p是一个0到1之间的数值，显然|A| 越大，p越小。p<0.05与|A|>C是等价的。所以，如果p小于0.05，就否定零假设，称检验结果是显著的。否则不否定零假设。对SASUSER.CLASS中HEIGHT变量，在其分布窗口中选菜单“Tables | Location Tests”并从弹出的对换框中选中t检验，要检验的均值为0，得到的结果见图 38。计算得到的t统计量值为A＝52.9971，p值为Pr{|t|>52.9971}小于等于0.0001 。因p值小于0.05所以结果是否定零假设，结论是身高均值不为零。
SAS/INSIGHT还提供了曲线拟合、回归、logistic回归、Poisson回归、相关分析、主成分分析等高等统计功能。
SAS语言构成
SAS语句
SAS语言程序由数据步和过程步组成。数据步用来生成数据集、计算、整理数据，过程步用来对数据进行分析、报告。SAS语言的基本单位是语句，每个SAS语句一般由一个关键字（如DATA，PROC，INPUT，CARDS，BY）开头，包含SAS名字、特殊字符、运算符等，以分号结束。
SAS关键字是用于SAS语句开头的特殊单词，SAS语句除了赋值、累加、注释、空语句以外都以关键字开头。SAS名字在SAS程序中标识各种SAS成分，如变量、数据集、数据库，等等。SAS 名字由1到8个字母、数字、下划线组成，第一个字符必须是字母或下划线。SAS关键字和SAS 名字都不分大小写。
SAS表达式
SAS数据步程序中的计算用表达式完成。表达式把常量、变量、函数调用用运算符、括号连接起来得到一个计算结果。
SAS常量主要有数值型、字符型两种，并且还提供了用于表达日期、时间的数据类型。例如
? ? ? ? ?
数值型：12，－7.5，2.5E－10
字符型：'Beijing'，\，\李明\日期型：'13JUL1998'd 时间型：'14:20't
日期时间型：'13JUL1998:14:20:32'dt
数值型常数可以用整数、定点实数、科学计数法实数表示。字符型常数为两边用单撇号或两边用双撇号包围的若干字符。日期型常数是在表示日期的字符串后加一个字母d（大小写均可），中间没有空格。时间型常数是在表示时间的字符串后加一个字母t。日期时间型常数在表示日期时间的字符串后加字母dt。 因为SAS是一种数据处理语言，而实际数据中经常会遇到缺失值，比如没有观测到数值，被访问人不肯回答，等等。SAS中用一个单独的小数点来表示缺失值常量。
SAS变量的基本类型有两种：数值型和字符型。日期、时间等变量存为数值型。SAS的数值型变量可以存储任意整数、定点实数、浮点实数，一般不关心其区别。数值型变量在数据集中的存贮一般使用8个字节。SAS的字符型变量缺省的长度是8个字符，但是如果在INPUT 语句中输入字符型变量时指定了长度则不受此限制。可以用LENGTH语句直接指定变量长度，LENGTH 语句一般应出现在变量定义之前，格式为： LENGTH 变量名 $ 长度; 例如
LENGTH name $ 20;
SAS运算符包括算术、比较、逻辑等运算符。
算术运算符为 ＋ － * / **，运算优先级按通常的优先规则。 比较运算符用于比较常量、变量的值大小、相等，包括
＝ EQ
^＝ NE
> GT
< LT
>＝ GE
<＝ LE
IN
其中EQ等名字和＝等特殊字符是同一运算符的等价写法。比较运算符得到“真”或“假” 的结果，主要用于需要条件的分支、循环等语句中。运算符IN是一个SAS特有的比较运算符，用来检查某个变量的取值是否在一个给定列表中，比如
prov in ('Beijing', 'Tianjin', 'Shanghai', 'Chongqing') 可以判断变量prov的取值是否为四个直辖市之一。