高手来啦。
所谓对数正态分布，仅仅是把正太函数中的X换成ln(x)，变换之后的x'（x'=ln(x)）。原来的x不符合正态分布，而变换后新的x‘是符合正态分布。所以你检验的是变换后的，而不是变换前的。

数据的正态性分布有三种方法
一、计算综合统计量 如动差法、夏皮罗-威尔克Shapiro-Wilk 法(W检验) 、达戈斯提诺D Agostino 法(D检验) 、Shapiro-Francia 法(W检验) .
二、正态分布的拟合优度检验 如皮尔逊χ2 检验 、对数似然比检验 、柯尔莫哥洛夫Kolmogorov-Smirov 法检验 .
三、图示法(正态概率图Normal Probability plot) 如分位数图(Quantile Quantileplot ,简称QQ图) 、百分位数(Percent Percent plot ,简称PP图) 和稳定化概率图(Stabilized Probability plot ,简称SP图) 等.

SAS规则： 当样本含量n ≤2000 时,结果以Shapiro - Wilk (W 检验) 为准,当样本含量n>2000 时,结果以Kolmogorov - Smirnov (D 检验) 为准。

SAS过程 正态分布检验的一般格式如下：
proc univariate data=数据集 normal;
    var 变量;
     histogram 变量;
    probplot 变量;
run;

在检验中，我们的零假设是变量服从正态分布，如果test for normality检验结果的p值小于0.05水平，则拒绝零假设，否则接受零假设。

SAS中的正态性检验 在检验中，我们的零假设是变量服从正态分布，如果TEST FOR NORMALITY检验结果的P值小于0.05水平，则拒绝零假设，否则接受零假设。

给我点热心指数,经验和学术水平啊亲

You can use univariate procedure to test a distribution directly.

Here is an example.

data t1;
   call streaminit(123);
   do i=1 to 300;
     x=rand('lognormal');
         output;
        end;
run;

proc univariate data=t1;
var x;
histogram x /lognormal;
run;

谢谢分享回答。答案很有帮助，我回家还要恶补统计学知识。