确定是否正态分布方法直方图 图峰度和偏度正态性检验1直方图将数据绘制成直方图正态性检验区别，观察数据正态性检验区别的分布形态如果数据呈现典型的钟形曲线正态性检验区别，即中间值最高，两侧逐渐降低，则可能表明数据符合正态分布2 图绘制 图QuantileQuantile Plot，将数据的分位数与理论正态分布的分位数。

针对三种正态性检验方法的区别如下SW检验一般需要样本量小于50，如果样本量大于50建议使用KS检验，JB检验基于数据样本的偏度统计数据分布偏斜方向和程度的度量和峰度分析表征概率密度分布曲线在平均值处峰值高低的特征数，一般用于大样本分析正态性检验属于非参数检验，原假设为“样本来自的总体。

1检验数据正态性的方法有很多，其中统计检验法对于数据的要求最为严格，而实际数据由于样本不足等原因，即使数据总体正态但统计检验出来也显示非正态，实用性上不如图示法直观，接受程度高，因此一般情况下使用图示法相对较多2当正态图和正态性检验结果出现矛盾，如正态图显示数据分布对称而正态性。

正态性检验是评估数据是否服从正态分布的工具常见的检验方法有KolmogorovSmirnov检验和ShapiroWilk检验，它们会基于样本的平均值标准差偏度和峰度等指标来判断数据分布的特性如果p值接近于0，通常表明数据在统计上与正态分布不一致下面通过具体实例进行说明例如，样本A1的81个数据中，平均值为2。