matlab正态分布检验：
(一) 进行参数估计和假设检验时，通常总是假定总体服从正态分布，虽然在许多情况下这个假定是合理的，但是当要以此为前提进行重要的参数估计或假设检验，或者人们对它有较大怀疑的时候，就确有必要对这个假设进行检验，进行总体正态性检验的方法有很多种，以下针对MATLAB统计工具箱中提供的程序，简单介绍几种方法。
1)Jarque-Bera检验
利用正态分布的偏度g1和峰度g2，构造一个包含g1，g2的分布统计量(自由度n=2)，对于显著性水平，当分布统计量小于分布的分位数时，接受H0：总体服从正态分布；否则拒绝H0，即总体不服从正态分布。这个检验适用于大样本，当样本容量n较小时需慎用。Matlab命令：h =jbtest(x)，[h,p,jbstat,cv] =jbtest(x,alpha)。
例子：
[h,p]=jbtest(a,0.05)
h为测试结果,若h=0,则可以认为X是服从正态分布的;若h=1,则可以否定X服从正态分布; p为接受假设的概率值,P越接近于0,则可以拒绝是正态分布的原假设;
2)Kolmogorov-Smirnov检验
通过样本的经验分布函数与给定分布函数的比较，推断该样本是否来自给定分布函数的总体。容量n的样本的经验分布函数记为Fn(x)，可由样本中小于x的数据所占的比例得到，给定分布函数记为G(x)，构造的统计量为，即两个分布函数之差的最大值，对于假设H0：总体服从给定的分布G(x)，及给定的，根据Dn的极限分布(n??时的分布)确定统计量关于是否接受H0的数量界限。
因为这个检验需要给定G(x)，所以当用于正态性检验时只能做标准正态检验，即H0：总体服从标准正态分布。Matlab命令：h =kstest(x)。
例子：
A=A(:); alpha=0.05; [mu,sigma]=normfit(A); p1=normcdf(A,mu,sigma); [H1,s1]=kstest(A,[A,p1],alpha); n=length(A); if H1==0 disp('该数据服从正态分布。') end
3)Lilliefors检验
它将Kolmogorov-Smirnov检验改进用于一般的正态性检验，即H0：总体服从正态分布，其中由样本均值和方差估计。Matlab命令：
h =lillietest(x)，[h,p,lstat,cv]=lillietest(x,alpha)。
4)另外还有一种方法：首先对于数据进行标准化：Z = ZSCORE(X)，然后在进行2)的Kolmogorov-Smirnov检验，检验是否为标准正态分布，类似于对于方法2)的改进。
总结：
要对一组样本进行正态性检验，在MATLAB中，一种方法是用normplot画出样本，如果都分布在一条直线上，则表明样本来自正态分布，否则是非正态分布。 MATLAB中也提供了几种更正式的检验方法： kstest Kolmogorov-Smirnov 正态性检验，将样本与标准正态分布(均值为0，方差为1)进行对比，不符合正态分布返回1，否则返回0；该函数也可以用于其它分布类型的检验； lillietest Lilliefors test。 与kstest不同，检验目标不是标准正态，而是具有与样本相同均值和方差的正态分布。 jbtest Jarque-Bera test。与 Lilliefors test 类似，但不适用于小样本的情况。
极速赛车买前5名的方法值，对于假设H0：总体服从给定的分布G(x)，及给定的，根据Dn的极限分布(n??时的分布)确定统计量关于是否接受H0的数量界限。因为这个检验需要给定G(x)，所以当用于正态性检验时只能做标准正态检验，即H0：总体服从标准正态分布。Matlab命令：h =kstest(x)。
例子：
A=A(:); alpha=0.05; [mu,sigma]=normfit(A); p1=normcdf(A,mu,sigma); [H1,s1]=kstest(A,[A,p1],alpha); n=length(A); if H1==0 disp('该数据服从正态分布。') end
3)Lilliefors检验
它将Kolmogorov-Smirnov检验改进用于一般的正态性检验，即H0：总体服从正态分布，其中由样本均值和方差估计。Matlab命令：
h =lillietest(x)，[h,p,lstat,cv]=lillietest(x,alpha)。
4)另外还有一种方法：首先对于数据进行标准化：Z = ZSCORE(X)，然后在进行2)的Kolmogorov-Smirnov检验，检验是否为标准正态分布，类似于对于方法2)的改进。
总结：
要对一组样本进行正态性检验，在MATLAB中，一种方法是用normplot画出样本，如果都分布在一条直线上，则表明样本来自正态分布，否则是非正态分布。 MATLAB中也提供了几种更正式的检验方法： kstest Kolmogorov-Smirnov 正态性检验，将样本与标准正态分布(均值为0，方差为1)进行对比，不符合正态分布返回1，否则返回0；该函数也可以用于其它分布类型的检验； lillietest Lilliefors test。 与kstest不同，检验目标不是标准正态，而是具有与样本相同均值和方差的正态分布。 jbtest Jarque-Bera test。与 Lilliefors test 类似，但不适用于小样本的情况。