一列数据，用python检查数据是否符合对数正态分布，如果p>0.05, 输出对数正态分布的参数，并输出0.3ppm对应的X值；否则输入不符合正态分布。

在Python中，可以使用`scipy`库中的`stats`模块来检查数据是否符合对数正态分布，并获取相关的统计参数。以下是一个基本的步骤说明：

1. 导入必要的库。
2. 对数据进行对数转换。
3. 使用`scipy.stats`中的`normaltest`函数检验对数转换后的数据是否符合正态分布。
4. 如果p值大于0.05，则认为数据符合正态分布，可以使用`fit`函数拟合对数正态分布参数。
5. 使用拟合参数计算0.3ppm对应的X值。

这里是一个示例代码：

import numpy as np
from scipy import stats

# 假设data是你要检查的数据列表
data = [...]  # 你需要替换这里的...为你的数据

# 对数据进行对数转换
log_data = np.log(data)

# 检验数据是否符合正态分布
stat, p_value = stats.normaltest(log_data)

# 判断p值是否大于0.05
if p_value > 0.05:
    # 拟合对数正态分布的参数
    mu, sigma = stats.lognorm.fit(log_data)
    
    # 计算0.3ppm对应的X值
    # ppm是百分比浓度表示法，0.3ppm是0.0003
    ppm = 0.0003
    # 对应的X值是exp(mu + sigma * sqrt(2) * inverse_normal_cdf(ppm))
    from scipy.stats import norm
    X_value = np.exp(mu + sigma * np.sqrt(2) * norm.ppf(ppm))
    
    print(f"数据符合对数正态分布，参数为：mu={mu}, sigma={sigma}")
    print(f"0.3ppm对应的X值为：{X_value}")
else:
    print("数据不符合对数正态分布")

这段代码将输出对数正态分布的参数（mu和sigma），以及在p值大于0.05时0.3ppm对应的X值。如果不满足对数正态分布，则输出不符合正态分布的信息。