🧪 正态性检验
我的数据像不像"正态分布"？能不能算 CpK / 用 t 检验，先过这一关
把测量数据整列贴进来（空格 / 逗号 / Tab / 换行分隔都行）。工具会忽略表头、序号等非数字内容。建议 ≥8 个点，20~100 个最稳。适合验证：能不能算 CpK、做 t 检验 / ANOVA、画 Xbar-R 控制图。
粘贴测量数据（一列或一行均可）
为什么要先做正态性检验？
· CpK、t 检验、ANOVA、Xbar 控制图都假设数据来自正态分布。数据明显偏态/厚尾时，算出的 Cpk 会虚高或失真，结论也不可靠
· 本工具同时给两种互补检验：Anderson-Darling（AD）对两端的离群/厚尾最敏感，是质量行业的首选；K-S（Lilliefors 修正）因为均值/标准差由样本估计，比"经典 K-S"更贴近实际用法。p ≥ 0.05 = 不能拒绝正态（可用）；p < 0.05 = 拒绝正态（别硬套参数方法）
· 顺手还给了偏度 g1 / 峰度 g2参考：|z|>1.96 提示明显偏斜或尖峰/平峰——偏斜常见于单边规格工艺，尖峰常见于多批数据混在一起
· 若确认偏离正态，选项：① 数据变换（对数 / Box-Cox / Johnson）后再分析；② 换非正态能力分析（如 % 超差率法）；③ 排查混批、异常值后再测
· 本工具同时给两种互补检验：Anderson-Darling（AD）对两端的离群/厚尾最敏感，是质量行业的首选；K-S（Lilliefors 修正）因为均值/标准差由样本估计，比"经典 K-S"更贴近实际用法。p ≥ 0.05 = 不能拒绝正态（可用）；p < 0.05 = 拒绝正态（别硬套参数方法）
· 顺手还给了偏度 g1 / 峰度 g2参考：|z|>1.96 提示明显偏斜或尖峰/平峰——偏斜常见于单边规格工艺，尖峰常见于多批数据混在一起
· 若确认偏离正态，选项：① 数据变换（对数 / Box-Cox / Johnson）后再分析；② 换非正态能力分析（如 % 超差率法）；③ 排查混批、异常值后再测
算完了？把结果复制给同事，让他们也试试
关于正态性检验 (AD & KS)
正态性检验回答"我的数据像不像正态分布"。本工具同时做 Anderson-Darling（AD）与 K-S（Lilliefors 修正）两种检验，输出 A²、D、p 值与判定（α=0.05），附偏度/峰度参考，画 直方图叠正态曲线与 Q-Q 概率图。CpK、t 检验、ANOVA、Xbar 控制图都默认数据服从正态——先检验再套方法；若显著偏离正态（p<0.05），建议先做数据变换（对数/Box-Cox）或改用非参数方法。。