哪有那么麻烦啊。
关于JB检验：在百度里输入“Jarque-Bera”，百度知道自然会告诉你这个统计量是怎么回事的。
该检验的零原设：样本服务正态分析。JB值过大、Probability过小，则拒绝原假设，即序列不服从正态分布；否则，则接受。

这个没有挑战性！！！！！！！

我是统计专业学生，根据经验，可采用SPSS软件对数据变量进行正态性分析，主要采用KOLMOGOROV-SMIRNOV单样本检验。因为JB检验只适合样本个数在50以内，否则该检验采用KOLMOGOROV-SMIRNOV单样本检验。该检验主要是通过样本数据推断样本来自总体的分布情况，通过构建K-S统计量，接受原假设表明样本的总体分布服从整正态分布。针对引入的变量，进行正态性检验，该检验的概率p大于0.01，接受原假设，可以说明该检验服从近似正态分布。

比目鱼说得很棒 补充一下 SPSS 中QQ图也可直观判断样本序列是否服从正态分布。

偏度为0是正态分布，峰度为3也是正态分布。1，通过数据的累积频数直方图（excel)，自己也可以对数据进行分组动手自己画图，如果图形的形状跟正态分布的钟型图就可大致判断该组数据是正态分布。2，应用J-B统计量进行正态分布检验，JB=((T-k)/6)*[S^2+(1/4)*((K-3)^2)]，其中，S,K分别表示偏度和峰度。若数据为原始数据，k=0；若数据是通过模型估计得到的，k为估计的参数个数。在正态分布的假设下，JB统计量服从自由度为2的卡方分布。原假设为：该组数据服从正态分布，根据上述公式算出JB统计量，根据给定的显著性水平和自由度查卡方分布表，得到一个卡方临界值（为方便说明记为a)，若算出的JB统计量值大于等于a,则拒绝原假设即该组数据不服从正态分布。若JB值小于a，则接受原假设即该组数据服从正态分布。已经很清楚了，不用再举例子了吧[

统计学知识,基础很重要!

这论坛b  给谁去了呢 ！

一般而言  除了K-S test 外  尚可使用 Normal probability paper 針對data來觀測  若在Normal probability paper 呈現近似一直線  則可視為 data是來自母群體為 normal distribution

如果样本量大于50，则应该使用Kolmogorov-Smirnov检验结果，反之则使用Shapro-Wilk检验的结果。正态性检验可以在网页版SPSSAU进行操作比较方便。