正态性检验，多元线性和多项式回归，输出具体的回归函数

一、业务场景：
1. 一个汽车销售公司，其客户来店消费金额是否符合正态分布？
答：这个问题可以抽象为统计学的统计推断中的假设检验部分的正态性检验。
2. 如何模拟这些数据的函数特征，怎么看拟合的好不好？
答：这是个拟合问题，视情况用线性拟合和多项式拟合来拟合。通过拟合打分看拟合效果。
3. 这个具体函数能否给出来？
答：可以。

二、下面分四部分来用代码解决上述问题
1. 对数据做正态性判断
2. 对数据做多元线性回归
3. 对数据做多元多项式回归
4. 输出线性回归和多项式回归对应的具体函数（函数包括：组合特征项，特征系数和常数项）

1. 正态性检验（Normality Test）
#三种方法：
#1. 生成数据为浮点数，所以用密度，如果数据是单词出现频率等整数则用直方图比较，根据图形肉眼比较。
#2. 用shapiro-wilk norm test，p-value的值大于0.05可视为满足正态性。
#3. 用qqplot做正态性检验，解读方法是如果qqplot所划散点和直线越接近则是正态分布，否则不是。

#代码
## Generate two data sets
## First Normal, second from a t-distribution
words1 = rnorm(100); words2 = rt(100, df=3)

## Have a look at the densities
plot(density(words1));plot(density(words2))

## Perform the shapiro-wilk test
shapiro.test(words1); shapiro.test(words2)

## Plot using a qqplot
qqnorm(words1);qqline(words1, col = 2)
qqnorm(words2);qqline(words2, col =