正态分布检验是统计学中用于评估数据是否符合正态分布的方法。以下是几种常用的正态分布检验方法：
正态概率累积分布图法
直观性好，适用于大样本。
经验法
利用样本中位数与算术平均值的比值，以及算术平均值与标准差的关系进行判断。
基于偏度和峰度的假设检验
包括 normaltest函数和 Jarque–Bera检验法。
需要样本数量8个以上。
Kolmogorov-Smirnov检验
比较观测数据分布与理论分布的一致性。
Shapiro-Wilk检验
适用于小样本，计算统计量和p值来判断数据是否符合正态分布。
Anderson-Darling检验
也是计算统计量和p值的方法。
Q-Q图（Quantile-Quantile Plot）
比较样本数据的分位数与理论正态分布的分位数。
直方图和正态概率图
直方图直观反映数据分布，正态概率图显示样本数据与正态分布的拟合程度。
选择哪种检验方法取决于样本大小、数据的特性以及分析的目的。一般情况下，如果样本量大，可以使用Kolmogorov-Smirnov检验或Anderson-Darling检验；如果样本量小，则推荐使用Shapiro-Wilk检验。
请告诉我您是否需要进一步的解释或帮助
