我正在检查我的数据集的一部分，其中包含 46840 个双精度值，范围从 1 到 1690，分为两组。为了分析这些组之间的差异，我首先检查了值的分布，以便选择正确的测试。

按照正态性测试指南，我做了一个 qqplot、直方图和箱线图。

这似乎不是一个正态分布。由于指南有些正确地指出纯图形检查是不够的，我还想测试分布的正态性。

考虑到数据集的大小和 R 中 shapiro-wilks 测试的限制，应该如何测试给定分布的正态性并考虑数据集的大小，这是否可靠？（请参阅此问题的已接受答案）

编辑：

我指的 Shapiro-Wilk 测试的局限性在于要测试的数据集限制为 5000 个点。引用有关此主题的另一个好答案：

Shapiro-Wilk 检验的另一个问题是，当您提供更多数据时，拒绝原假设的机会会变得更大。所以发生的情况是，对于大量数据，甚至可以检测到与正态性的非常小的偏差，从而导致拒绝零假设事件，尽管出于实际目的，数据已经足够正常了。

[...] 幸运的是 shapiro.test 通过将数据大小限制为 5000 来保护用户免受上述影响。

至于为什么我首先要测试正态分布：

一些假设检验假设数据呈正态分布。我想知道我是否可以使用这些测试。