做数据分析最绕人的基础活，就是如何检验数据是否服从正态分布，我前阵子做用户行为数据复盘，硬生生在这一步卡了大半天，踩了一堆无效测试的坑，最后摸出了一套普通人直接能用的实操办法，没有花哨理论，全是实打实跑出来的操作。
最开始完全凭感觉做事，总觉得数据画出来曲线看着平滑、对称，就是正态分布。那次整理两百多条用户停留时长数据，肉眼看图表走势特别规整，直接判定符合正态分布，转头就用了需要正态数据支撑的参数检验方法。结果整份分析报告被打回，审核的人说数据偏态严重，所有结论全部失效，白白浪费了一下午的功夫。
后来才反应过来，肉眼判断纯粹是自我感动，视觉误差太大，轻微的偏移根本看不出来，必须用具体的数值指标卡标准。
最先上手的是Shapiro-Wilk正态性检验，也就是大家常说的S-W检验。当时查了很多零散的说法，有人说样本量小用这个，有人说效果不准。自己实打实测试后发现，样本数量在3到50之间的时候，这个方法最靠谱。操作特别简单，把数据导入统计工具，一键运算就能得到P值。只要记住核心判定标准，P值大于0.05，就可以认定数据服从正态分布，小于0.05就是不符合，没有复杂的解读逻辑。
样本量稍微大一点，超过50之后，S-W检验就会变得极度敏感，哪怕数据只有一丢丢偏差，都会判定不服从正态，根本不适用。我之前有次用八百条样本做测试，明明数据整体走势接近正态，硬是被检验判定不合格，折腾好久才搞明白，大样本根本不能用这套逻辑。
大样本场景下，只用K-S检验就够了。同样是看P值，判定标准和S-W检验一致。但实操里发现，上千条以上的超大样本，K-S检验也会出现过度敏感的问题，这时候就不能单靠P值下定论。
单靠数值检验绝对不行，这是我踩过最实在的坑。数值结果会受样本量干扰，必须搭配图形可视化双重验证，结果才稳。
平时最常用的就是Q-Q正态概率图，把数据扔进工具生成图像后，不用学专业知识，只看一个细节就行。数据点基本贴合中间的参考直线，没有大面积偏离、散乱、弯折，就说明正态性合格。之前一组数据，P值刚好卡在临界值，肉眼看数值模棱两可，配上Q-Q图之后，能清晰看到两端数据点严重偏离直线，直接确定数据不服从正态分布，避免了误判。
还有一个简单的辅助判断方式，看数据的偏度和峰度。不用记复杂公式，工具会直接算出数值。偏度无限接近0，说明数据对称无偏移；峰度贴近3，说明数据的陡峭程度符合正态标准。我试过几组模拟数据，偏度超过0.5，数据就明显右偏，完全达不到正态分布的要求。
很多人会把几种检验方法来回叠加测试，其实完全没必要，反而容易混乱。实操里固定一套流程就够用，小样本用S-W检验+偏度峰度核查，大样本用K-S检验+Q-Q图可视化，两两搭配，基本不会出错。
之前为了追求所谓的精准，把所有检验方法全部跑一遍，得出一堆互相矛盾的结果，越测越乱。后面干脆放弃全套测试，只根据样本数量匹配对应方法，效率直接翻倍，判断结果也从来没出过错。
做完一整套数据检验工作，关掉统计软件的时候，电脑屏幕还停留在那张贴合度很高的Q-Q图上，突然发现之前所有的纠结，不过是搞错了适配场景。