我目前正在研究我编写的 MC 模拟产生的一些数据——我希望这些值是正态分布的。自然地，我绘制了一个直方图，它看起来很合理（我猜？）：

[左上：直方图dist.pdf()，右上：累积直方图dist.cdf()，下：QQ图，datavs dist]

然后我决定通过一些统计测试来更深入地研究这个问题。（请注意dist = stats.norm(loc=np.mean(data), scale=np.std(data))。）我所做的和得到的输出如下：

1. Kolmogorov-Smirnov 检验：

   scipy.stats.kstest(data, 'norm', args=(data_avg, data_sig))
   KstestResult(statistic=0.050096921447209564, pvalue=0.20206939857573536)
   

2. 夏皮罗-威尔克测试：

   scipy.stats.shapiro(dat)
   (0.9810476899147034, 1.3054057490080595e-05)
   # where the first value is the test statistic and the second one is the p-value.
   

3. QQ图：

   stats.probplot(dat, dist=dist)
   

我的结论是：

• 通过查看直方图和累积直方图，我肯定会假设一个正态分布

• 在查看 QQ 情节后也是如此（它会变得更好吗？）

• KS 测试说：“是的，这是一个正态分布”

我的困惑是：SW 检验表明它不是正态分布的（p 值远小于显着性alpha=0.05，并且初始假设是正态分布）。没看懂，有没有人有更好的解释？我在某个时候搞砸了吗？