对正态性检验的方法以及结果的判断

Anderson-Darling正态测试可以帮助你检验数据是否符合正态分布。这种统计方法不会直接告诉你结果，但是我们通常通过P值来判断。P值的范围从0到1，来表明你的数据有多少程度满足正态分布。（译注：数值越大说明越满足正态分布，用EXCEL生成的随机数列的P值是0！）
首先，你需要设定P值小于多少时可以认为数据不是正态分布（通常选定0.1）。然后，如果P值小于你的基准（译注：P设定值0.1），你可以判断数据不符合正态分布。否则，你可以认为数据是正态分布的。
这里（例子中）的A值是0.987，对应的P值是0.008。假如你选定0.1作为你判断的基准，你会认为这个数据不满足正态分布，因为0.008小于0.1




Skewness表明数据的不对称性。分布歪斜是指分布的一侧比另一侧伸展得远。Skewness统计法以图形的方式给出了总结：
－数值接近0表明是对称数据
－负数表示负倾斜、左倾斜
－正数表示正倾斜、右倾斜
Kurtosis表明分布的尖峰程度。



Kurtosis统计法以图形的方式给出了总结：



－数值接近0表明是正态分布的尖峰
－负数表示分布比较平坦
－正数表示分布比较尖锐

例子中的Kurtosis值是5.61936，表明数据比较尖锐。柱状图中显示数据高出红色的正态分布曲线