R语言里做做正态性检验通常用到的函数是shaporo.test()，这个是叫Shapiro-Wilk（夏皮罗-威尔克）正态性性检验。
对应的原假设是 样本X来自的总体具有正态性分布
比如代码
> x<-rnorm(100)
> shapiro.test(x)
Shapiro-Wilk normality test
data: x
W = 0.99187, p-value = 0.8117
p值大于0.05接受原假设
今天一位同学提出 shaporo.test() 这个函数输出数据的范围是 3~5000，超出5000该如何做呢? 我自己之前还没有注意到过样本量超出5000的情况。
第一个想到的是 在大于5000的样本里再随机选一个小于5000的样本就可以了
示例代码
x<-rnorm(6000)
x1<-sample(x,3000,replace = F)
shapiro.test(x1)
但这种情况好像不太稳定，我试了一下有时候算出来的p值是小于0.05的。那我们就可以多抽几次，看p值小于0.05出现次数的多少
还找到一种方法是 直接可视化数据来观察
可以选密度分布图和qq图
参考链接是 http://www.sthda.com/english/wiki/normality-test-in-r
示例代码
x<-rnorm(6000)
library(ggpubr)
p1<-ggdensity(x)
p2<-ggqqplot(x)
library(cowplot)
plot_grid(p1,p2,ncol=2)
密度分布图是山形，qq图所有的点基本都分布在直线的周围，那就可以判定数据符合正态分布了。
另外还找到一个函数 ad.test()
这个函数对应的R包 nortest
找到这个函数的链接是 https://github.com/jamovi/jmv/issues/160
这个函数对应的是 Anderson-Darling test for normality 这个对应的中文名是啥暂时还不知道。
示例代码
library(nortest)
ad.test(rnorm(100, mean = 5, sd = 3))
Anderson-Darling normality test
data: rnorm(100, mean = 5, sd = 3)
A = 0.3425, p-value = 0.485
这个函数对应的零假设应该也是 样本来自正态总体
比如试一下
ad.test(1:100)
Anderson-Darling normality test
data: 1:100
A = 1.0837, p-value = 0.007308
很明显1:100不符合正态分布
这里得到p值小于0.05,拒绝原假设，最终的结论就是数据总体不符合正态分布。
好了，今天的内容就到这里了。
欢迎大家关注我的公众号
小明的数据分析笔记本
