检验数据是否为正态分布用MATLAB代码实现

在MATLAB中，可以使用多种方法来检验数据是否符合正态分布。以下是一种常见的方法：使用正态概率图（Normal Probability Plot），也称为Q-Q图（Quantile-Quantile Plot），以及Shapiro-Wilk检验。

以下是一个简单的MATLAB代码示例，展示了如何检验数据的正态分布性：

% 假设有一组数据存放在变量data中
data = randn(100, 1); % 生成100个服从标准正态分布的随机数作为示例

% 绘制Q-Q图
figure;
probplot('normal', data);
title('Normal Probability Plot');

% 进行Shapiro-Wilk检验
[h, p, swstat] = swtest(data);

% 输出检验结果
if h == 0
    fprintf('数据可以认为是正态分布的（p = %f）。\n', p);
else
    fprintf('数据不能认为是正态分布的（p = %f），拒绝原假设。\n', p);
end

% 注意：swtest函数在较新版本的MATLAB中已经被sw检验代替，如果您的MATLAB版本支持，可以直接使用以下代码：
% [h, p, swstat] = swtest(data);

在这段代码中，`probplot`函数用于绘制正态概率图，而`swtest`（或`sw`，取决于您使用的MATLAB版本）函数用于执行Shapiro-Wilk检验。`h`是检验的结论（0表示接受原假设，即数据是正态分布的；1表示拒绝原假设），`p`是检验的p值。