正态相关面检测是一种用于评估数据集是否满足正态分布假设的统计检验方法。它通过计算数据集的偏度和峰度来确定数据集的偏离程度，并使用统计指标评估数据集的正态性。
以下是正态相关面检测的一些具体方法和指标：
- 偏度测试：通过计算数据集的偏度指标来评估数据的对称性。偏度为0表示数据集呈现对称分布，大于0表示右偏分布，小于0表示左偏分布。
- 峰度测试：通过计算数据集的峰度指标来评估数据的尖峰或平坦程度。峰度为0表示数据呈现正态分布，大于0表示尖峰分布，小于0表示平坦分布。
- 正态性检验：使用统计方法如Shapiro-Wilk检验、Kolmogorov-Smirnov检验或Anderson-Darling检验等来检验数据集是否符合正态分布。
- Q-Q图检验：绘制数据集的Q-Q图来比较数据集的分位数与正态分布的理论分位数之间的差异。
- 直方图分析：绘制数据集的直方图来观察数据的分布情况，判断是否接近正态分布。
- 偏度-峰度图：绘制偏度与峰度之间的散点图，可以直观地观察数据集的分布形态，判断是否符合正态分布。
- 拟合度测试：使用拟合度测试方法如卡方拟合度检验来评估数据集与正态分布的拟合程度。
- 样本量要求：根据中心极限定理，当样本量较大时，数据集更容易满足正态分布假设。
- 数据变换：根据数据的特点，可以对数据进行对数变换、平方根变换等，以使其更接近正态分布。
- 非参数方法：如果数据集不满足正态分布或样本量较小，可以使用非参数统计方法来进行分析，如基于秩的方法。
