#正态检验方法
ks.test() #假设零假设为N(15,0.2),则ks.test(x,"pnorm",15,0.2). 样本中不能出现相同值
shprio.test() #可以进行关于正太分布的shapiro-Wilk检验,适用于小样本,不能用于大样本,样本数3到5000之间,p-value>0.5 则就是正态分布。
###nortest包
lillie.test() 可以实行更精准的检验
ad.test()
cvm.test()
pearson.test()
sf.test()
#概率图,是根据样本的累计比例与指定分布的累计比例之间的关旭所绘制的图形
##QQ图,是用样本的分位数与所指定分布的分位数之间的关系曲线来进行检验的
set.seed(123)
par(mfrow=c(1,3))
x=rnorm(35,0,1) #正态分布的随机抽样数据的QQ图
qqnorm(x)
qqline(x)
#概率图
library(StatDA)
ppplot(x,pdist=pnorm)