正态性检验是一种用于检验数据是否符合正态分布的方法。正态分布是一种连续概率分布，其概率密度函数呈钟形曲线。在实际应用中，许多数据都可以近似地看作是正态分布。因此，正态性检验是数据分析中非常重要的一步。

GB/T 4882-2001 数据的统计处理和解释 正态性检验标准规定了两种常用的正态性检验方法：Shapiro-Wilk检验和Kolmogorov-Smirnov检验。这两种方法都是基于样本数据与正态分布的理论分布之间的差异来进行判断的。

Shapiro-Wilk检验是一种基于样本数据与正态分布的理论分布之间的差异来进行判断的方法。该方法的原理是将样本数据与正态分布的理论分布进行比较，计算出一个统计量W，然后根据W的值来判断样本数据是否符合正态分布。如果W的值越接近1，说明样本数据越符合正态分布。

Kolmogorov-Smirnov检验也是一种基于样本数据与正态分布的理论分布之间的差异来进行判断的方法。该方法的原理是将样本数据与正态分布的理论分布进行比较，计算出一个统计量D，然后根据D的值来判断样本数据是否符合正态分布。如果D的值越小，说明样本数据越符合正态分布。

在实际应用中，选择哪种方法进行正态性检验取决于数据的样本量和数据的分布情况。如果样本量较小，建议使用Shapiro-Wilk检验；如果样本量较大，建议使用Kolmogorov-Smirnov检验。

相关标准
GB/T 8170-2008 数值修约规则及其在计算中的应用
GB/T 13957-2017 统计抽样程序和方法
GB/T 18046-2008 统计数据处理与解释
GB/T 22239-2008 统计数据分析与处理
GB/T 22240-2008 统计数据分析与处理