正态分布检验（MATLAB）

在 MATLAB 中，检验数据是否符合正态分布的常用方法有多种，具体选择哪种方法通常取决于样本的大小。针对不同大小的数据样本，适用的检验方法有所不同。以下是几种常见的正态性检验方法及其适用场景：

1. Shapiro-Wilk 检验（适用于小样本）

Shapiro-Wilk 检验是一种非常流行且适用于小样本（通常小于 50 个样本）的正态性检验方法。它检验数据是否来自正态分布，尤其对于样本量较小的情况比较敏感。

• MATLAB 函数：swtest（这个函数在 MATLAB 默认环境中不可用，但有些工具箱可以提供）
• 如果你没有 swtest 函数，可以考虑使用其他的正态性检验方法。

2. Kolmogorov-Smirnov (KS) 检验（适用于中等样本）

Kolmogorov-Smirnov 检验是一种通用的检验方法，适用于中等样本量的数据。它检验数据的经验分布与期望的正态分布是否一致。

• MATLAB 函数：kstest
• 适用范围：数据量大于 50，但是样本数量仍然不特别庞大的情况下使用。

% 生成样本数据
data = randn(100, 1);  % 生成100个正态分布数据

% 使用 Kolmogorov-Smirnov 检验
[h, pValue] = kstest((data - mean(data)) / std(data));  % 标准化数据
disp(h);  % 结果 h = 0 表示数据符合正态分布，h = 1 表示不符合

3. Anderson-Darling 检验（适用于大样本）

Anderson-Darling 检验对大样