shapir wilk 正态检验

Shapiro-Wilk 正态性检验是一种用于检验一个数据集是否来自正态分布的统计检验方法。它的原假设是数据集来自正态分布，备择假设是数据集不来自正态分布。

Shapiro-Wilk 正态性检验的检验统计量是 W，它的取值范围在 0 到 1 之间。当 W 的值越接近 1 时，说明数据集越接近于正态分布。在实际应用中，通常将 W 与一个显著性水平进行比较，例如 0.05。如果 W 的值小于显著性水平，就可以拒绝原假设，即认为数据集不来自正态分布。

在 Python 中，可以使用 Scipy 库中的 `shapiro` 函数来执行 Shapiro-Wilk 正态性检验。该函数的输入参数为一个一维数组，表示要检验的数据集。函数的输出结果包括检验统计量 W 和 p 值，通常我们只需要关注 p 值，如果 p 值小于显著性水平，就可以拒绝原假设，认为数据集不来自正态分布。