功能: 对数据使用Shapiro-Francia W算法检测其是否满足正态分布

格式:
[p, w, u, sigma] = DataNormalTestBySFW(data)

data : 存储待检测的数据样本矩阵

p : 返回显著水平的临界值
w : 返回计算的统计量w值
u : 返回估计的均值
sigma: 返回估计的标准差

注意:
1. 本函数计算过程中,会先对数据进行排序. 这属于一种有序检测算法.
2. 如果返回的p大于预期的显著水平值, 则本函数判定数据满足正态分布.
3. 本函数适合样本量是5-5000的数据进行正态性验证.
4. 如果数据x的峰度不大于3,即{DataKurtosis<矩阵运算\DataKurtosis>}(x) ≤ 3, 则建议使用{DataNormalTestBySW<矩阵运算\DataNormalTestBySW>}函数
5. 为了更准确验证, 建议结合{NormalCPData<矩阵运算\NormalCPData>}函数绘制累计概率图形来判断数据的正态性.

参考:
[1] Royston P . A Toolkit for Testing for Non-Normality in Complete and Censored Samples[J]. Journal of the Royal Statistical Society Series D (The Statistician), 1999, 48(1):158-158.

例子:

x = [1, 2.5, 2.1, 4.8, -6.8, 2];
[p,w] = DataNormalTestBySFW(x)//x假如是我们待检验的数据,执行后得到如下结果, 如果给定显著水平为0.05, 由于p < 0.05, 因此x不满足正态分布假设.
p =
[ 0.02280967226869 ]
w =
[ 0.75155238676598 ]