Elysia Tools
导航
Data Analysis
使用多种统计方法进行综合正态性检验
执行
填写表单、运行工具，并在同一页面查看结果。
案例
相关内容
等待运行
工具使用指南
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。
背景
研究员收集了一组患者的血压测量值，需要确定是否可以使用 t 检验来比较两组治疗效果。
问题
需要快速验证血压数据是否符合正态分布，以决定统计方法的选择。
如何使用
将血压数值粘贴至输入框，设置显著性水平为 0.05，并勾选 Q-Q 图选项。
significanceLevel: 0.05, includeVisualTests: true结果
工具输出 Shapiro-Wilk 检验结果及 Q-Q 图，研究员根据 P 值确认数据符合正态分布，从而选择 t 检验。
背景
分析师正在评估某股票过去一年的日收益率分布，以构建风险模型。
问题
金融数据通常存在“尖峰厚尾”现象，需通过统计检验确认其是否偏离正态分布。
如何使用
输入日收益率百分比数据，选择 0.01 显著性水平进行严苛检验。
significanceLevel: 0.01, includeVisualTests: true结果
通过 Anderson-Darling 检验发现 P 值极小，确认收益率不符合正态分布，分析师随即调整模型采用非参数方法。
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。
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。
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，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。