matlab检验正态分布

在 MATLAB 中，可以使用一些函数来检验数据的正态分布。以下是一些常用的方法：

1. Shapiro-Wilk 检验：
可以使用 `swtest` 函数来执行 Shapiro-Wilk 检验。它返回一个 p-value，如果 p-value 较大（通常大于0.05），则不能拒绝原假设，即数据可以视为服从正态分布。
例如：

   data = randn(100, 1);  % 假设 data 为正态分布的样本数据
   [h, p] = swtest(data);
   if p > 0.05
       disp('数据可能来自正态分布');
   else
       disp('数据不是来自正态分布');
   end

2. Anderson-Darling 检验：
可以使用 `adtest` 函数来执行 Anderson-Darling 检验。类似于 Shapiro-Wilk 检验，它也返回一个 p-value，如果 p-value 较大（通常大于0.05），则不能拒绝原假设，即数据可以视为服从正态分布。
例如：

   data = randn(100, 1);  % 假设 data 为正态分布的样本数据
   [h, p] = adtest(data);
   if p > 0.05
       disp('数据可能来自正态分布');
   else
       disp('数据不是来自正态分布');
   end

除了这些统计检验方法，还有其他方法可以用于检验正态分布，如基于图形的方法（如 Q-Q 图）或拟合正态曲线并评估残差等。具体选择哪种方法取决于你的数据和检验的目的。