如何用Python编程语言执行Shapiro-Wilk检验来验证数据是否符合正态分布？

在Python中，可以使用`scipy.stats`库中的`shapiro`函数来执行Shapiro-Wilk检验。Shapiro-Wilk检验是一种统计测试，用于检查连续变量的数据是否符合正态分布。以下是基本步骤：

1. 首先，确保已经安装了`scipy`库，如果没有，可以通过`pip install scipy`进行安装。

2. 导入所需的模块：

import numpy as np
from scipy import stats

3. 准备一组你想测试的数据，假设它是一个列表或数组：

data = [数值1, 数值2, ..., 数值n]

4. 使用`stats.shapiro()`函数执行检验，并返回W统计量和p值：

sw_statistic, sw_p_value = stats.shapiro(data)

- `sw_statistic`接近0意味着数据更偏离正态分布；
- `sw_p_value`如果小于通常选择的显著性水平（如0.05），我们拒绝原假设（数据来自正态分布），反之则接受。

5. 结果解读：
- 如果`sw_p_value`大于显著性水平，那么数据可能近似于正态分布；
- 否则，数据可能不符合正态分布。

完整的示例代码：

import numpy as np
from scipy import stats

# 示例数据
data = np.random.normal(size=100)  # 创建一组正态分布数据

# 进行Shapiro-Wilk检验
sw_statistic, sw_p_value = stats.shapiro(data)

print("Shapiro-Wilk W统计量:", sw_statistic)
print("Shapiro-Wilk p值:", sw_p_value)