R语言进行正态分布检验

查了很多资料，还是比较模糊

Kolmogorov-Smirnov检验（K-S检验）广泛用于正态性检验和其他分布的拟合检验。适用于中等到大样本。
Lilliefors检验是K-S检验的一种变体，专门为小样本设计。其通过使用更准确的临界值来提高对小样本的适应性。
Shapiro-Wilk（S-W）检验通常在小样本下表现较好，而在大样本下可能对正态性的敏感性降低。在小样本情况下通常比K-S检验更准确。对于大样本，由于S-W检验可能会过于严格，导致拒绝正态性的可能性较大，这种情况下，应该使用K-S检验。

SPSS 5000及以下用Lilliefors检验、S-W检验；5000以上仅用Lilliefors检验
样本量>30时，倾向于看K-S检验结果；样本量≤30时，倾向于看Lilliefors检验、S-W检验结果

K-S检验

ks_result <- ks.test(sample_data, "pnorm")

ks_result <- ks.test(sample_data, "pnorm", mean = mean(sample_data), sd = sd(sample_data))

S-W检验

shapiro_result <- shapiro.test(sample_data)

lillie修正的K-S检验

需要先安装
install.packages("nortest")
library(nortest)
lillie_result <- lillie.test(sample_data)

读取excel数据
library(readxl)
excel_file <- “数据分析测试数据.xlsx”
first_column <- data[[0]]