确定是否正态分布方法：直方图、QQ 图、峰度和偏度、正态性检验。
1、直方图：将数据绘制成直方图，观察数据的分布形态。如果数据呈现典型的钟形曲线，即中间值最高，两侧逐渐降低，则可能表明数据符合正态分布。
2、QQ 图：绘制 QQ 图（Quantile-Quantile Plot），将数据的分位数与理论正态分布的分位数进行比较。如果数据点在一条直线上均匀分布，则说明数据近似正态分布。
3、峰度和偏度：计算数据的偏度和峰度指标。正态分布的偏度为0，峰度为3。如果偏度接近0，且峰度接近3，则可能表明数据近似正态分布。
4、正态性检验：使用统计检验来验证数据是否正态分布。检验方法包括：Shapiro-Wilk 检验、Kolmogorov-Smirnov 检验和Anderson-Darling 检验等。方法会产生一个 p 值，用于检验数据是否符合正态分布。如果 p 值较大（通常取0.05作为显著性水平），接受正态分布的假设。
正态分布的特点
正态分布，又称为高斯分布或钟形曲线，是概率论和统计学中最重要的概率分布之一。正态分布以其特殊的形状和数学性质而闻名，广泛应用于各个领域。
1、称性：正态分布是一种对称分布，其概率密度曲线呈钟形，两侧对称。
2、均值和中位数相等：正态分布的均值等于中位数，也称为期望值。
3、标准差决定分布的幅度：正态分布的形状由其均值和标准差来决定。标准差越大，分布的幅度越广；标准差越小，分布的幅度越窄。
4、自然科学：许多自然现象和测量数据（如身高、体重、温度、光度等）在一定条件下近似符合正态分布。
5、统计推断：许多统计方法基于对数据的正态分布假设，如样本均值的抽样分布、参数估计、假设检验等。
6、股票市场：股票收益率往往呈现出接近正态分布的特征，这为风险评估和投资决策提供了基础。
7、质量控制：正态分布在质量控制中被广泛应用，用于检测过程中的偏离和异常。