如果时间序列是高斯的，则有几个统计检验，尽管在统计中，术语“正态性检验”通常是您搜索它们的方式。

Nist EDA 站点是一个很好的查看位置，概率图比样本直方图更适合较短的数据集。

http://www.itl.nist.gov/div898/handbook/eda/section3/probplot.htm

在页面底部附近，有对 qq 图、KS、卡方和其他拟合优度测试的引用。您可以在网络上找到有关它们的大量信息，并且在此处复制不会添加任何内容。

Matlab的Statistics工具箱中有qqplot和prob plot，单参数的qqplot是针对高斯分布的。SAS 拥有所有这些测试。R有测试。

我推荐这本书，由 2 位工程师编写，其中涵盖了多项测试，包括独立性和平稳性等测试。本书面向实用的、最低限度的数学。

本达特、朱利叶斯 S. 和艾伦 G. 皮尔索尔。随机数据：分析和测量程序。卷。729. 约翰威利父子公司，2011 年。

这些测试的不足之处在于它们不符合信号加噪声方案。测试通常假设时间序列是否都是高斯的。恒定的平均值不是问题。信号通常不是高斯的，简单的测试无法区分。

信号处理操作（例如 DFT）往往会表现出中心极限定理对数据的影响，因此您需要注意，即使是线性变换也不会保留非高斯 pdf。

还应该注意的是，从实际的角度来看，高斯性不是非黑即白的。即使高斯假设不是严格有效的，具有高斯假设的算法通常也能很好地工作。像双模态和非对称这样的事情更重要的是要了解。像噪声和乘性噪声这样的柯西（重尾）噪声也很重要。