# 正态性检验器

使用多种统计方法进行综合正态性检验

> 标准页面: https://elysiatools.com/zh/tools/normality-tester

- **分类:** Data Analysis

- **关键词:** 正态性, 统计检验, 分布, shapiro-wilk, anderson-darling

## 概述

正态性检验器是一款专业的统计分析工具，旨在帮助研究人员和数据分析师通过 Shapiro-Wilk、Anderson-Darling 等多种统计方法，快速验证数据集是否符合正态分布，为后续参数统计分析提供科学依据。

## 输入项

- **数据输入** (textarea): Enter numeric data separated by commas, spaces, or newlines Examples: 25, 27, 29, 30, 31, 32, 33, 34, 35, 36 Or: 25 27 29 30 31 32 33 34 35 36 Or: 25 27 29 30 31 32 33 34 35 36
- **显著性水平 (α)** (select)
- **包含可视化检验 (Q-Q图)** (checkbox)

## 适用场景

- 在进行 t 检验或方差分析（ANOVA）之前，验证数据是否满足正态性假设。
- 在处理实验数据时，判断样本分布特征以选择合适的统计模型。
- 在质量控制或金融建模中，评估观测值是否偏离理论正态分布。

## 工作原理

- 在输入框中粘贴或输入您的数值数据，支持逗号、空格或换行符分隔。
- 选择显著性水平（α），通常默认为 0.05，以确定拒绝原假设的阈值。
- 勾选可视化检验选项，系统将自动生成 Q-Q 图以直观展示数据分布情况。
- 点击运行后，工具将输出各项统计检验的 P 值及分布结论。

## 使用案例

- 学术研究中的实验数据分布验证。
- 金融市场收益率的正态性评估。
- 工业生产过程中的产品质量指标检测。

## 常见问题

### 什么是正态性检验？

正态性检验是统计学中用于判断一组数据是否服从正态分布（高斯分布）的方法。

### P 值小于 0.05 代表什么？

若 P 值小于显著性水平（如 0.05），则拒绝原假设，即认为数据不符合正态分布。

### 为什么需要包含 Q-Q 图？

Q-Q 图通过将样本分位数与理论正态分位数进行对比，能直观发现数据在尾部或中间的偏离情况。

### 该工具支持多大的数据集？

该工具适用于常规分析规模的数据集，建议输入量级在数千条以内的数值以保证计算效率。

### 如果数据不符合正态分布怎么办？

如果数据不符合正态分布，建议考虑使用非参数检验方法，或对数据进行对数、平方根等转换处理。

## 相关工具

- [A/B 测试显著性计算器](https://elysiatools.com/zh/tools/ab-test-significance-calculator): 输入对照组/实验组数据，输出转化率差异、95%/99% 置信区间、Z-test（比率）或 Welch t 检验（连续变量）的 p-value 与显著性判定、提升百分比、达到 80%/90% 功效所需样本量、推荐实验天数、Sequential testing 警告与 Bonferroni 多重比较修正。
- [列联表卡方 Fisher 精确检验 Cramér's V 教学器](https://elysiatools.com/zh/tools/contingency-table-chi-square-fisher-exact-cramer-v-tutor): 对 2×2 与 R×C 列联表做逐步假设检验讲解：Pearson 卡方、Yates 连续性修正、G 检验（似然比）、小期望频数时的 Fisher 精确检验、效应量（Cramér's V / phi / 列联系数）、Haberman 调整残差的单元格级贡献定位、多重比较 BH-FDR 提示，以及可选的 Chapman 标记重捕总体估计。
- [相关性分析器](https://elysiatools.com/zh/tools/correlation-analyzer): 高级相关性分析工具，计算变量之间的相关系数以衡量它们线性关系的强度和方向。完美适用于统计分析、金融建模、科学研究和数据探索。 功能特点： - 多种相关性方法（皮尔逊、斯皮尔曼、肯德尔） - 相关性矩阵生成 - 统计显著性检验（p值） - 置信区间计算 - 热图可视化 - 散点图矩阵生成 - 缺失值处理策略 - 异常值检测和处理 - 分组分析能力 - 详细统计报告 常见用途： - 金融市场分析和风险评估 - 科学研究和假设检验 - 客户行为和营销分析 - 医疗和医疗数据分析 - 质量控制和流程优化 - 教育绩效评估
- [数据分布分析器](https://elysiatools.com/zh/tools/distribution-analyzer): 综合数据分布分析，包含正态性检验、异常值检测和拟合优度评估
- [峰度分析器](https://elysiatools.com/zh/tools/kurtosis-analyzer): 分析数据峰度来衡量分布的"尾部性"并检测重尾或轻尾模式
- [数字区间统计](https://elysiatools.com/zh/tools/number-range-statistics): 分析和统计指定区间内的数字数量分布
- [批量图片修剪](https://elysiatools.com/zh/tools/batch-image-trim): 同时修剪多张图片，使用多种修剪方法进行批处理和ZIP输出
- [置信区间计算器](https://elysiatools.com/zh/tools/confidence-interval): 使用Z分布或T分布计算总体均值的置信区间

## 示例

- [Android Java 图像处理示例](https://elysiatools.com/zh/samples/android-image-processing-java): Android Java 图像处理示例，包括图像读取保存、缩放和格式转换
- [Android Kotlin 图像处理示例](https://elysiatools.com/zh/samples/android-image-processing-kotlin): Android Kotlin 图像处理示例，包括图像读取保存、缩放和格式转换
- [Web Python 图像处理示例](https://elysiatools.com/zh/samples/web-image-processing-python): Web Python 图像处理示例，使用 PIL/Pillow 包括读取、保存、缩放和格式转换
- [Web Rust 图像处理示例](https://elysiatools.com/zh/samples/web-image-processing-rust): Web Rust 图像处理示例，包括图像读取保存、缩放和格式转换