符合正态分布检验的方法如下：
要检验一个数据集是否符合正态分布，通常可以使用如下两种方法：
正态概率图（PP图）：通过将样本值按从小到大排序，并将其对应的分位数与正态分布的分位数进行比较，来判断样本的分布是否近似于正态分布。如果点符合一条直线，则说明该数据集呈现正态分布。
Shapiro-Wilk检验：它是一种基于数据的变异数和样本大小来计算的检验方法，可用于检验数据是否符合正态分布。在此检验中，算法计算了一个统计量w，根据w值和显著性水平可以检验数据是否符合正态分布。需要注意的是，如果数据集中有异常值或者数据量较小，则正态概率图和Shapiro-Wilk检验可能会出现误差，因此需要多重检验来确保结果的可靠性。
正态分布简介：
正态分布又名高斯分布，是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。若随机变量服从一个位置参数、尺度参数为的概率分布，记为：则其概率密度函数为正态分布的数学期望值或期望值等于位置参数，决定了分布的位置；其期差的开平方或标准差等于尺度参数，决定了分布的幅度。
正态分布的概率密度函数曲线呈钟形，因此人们又经称之为钟形曲线。我们通常所说的标准正态分布是位置参数，尺度参数的正态分布。
符合正态分布可以使用峰度和偏度的检验方法。
偏度：
当偏度≈0时，可认为分布是对称的，服从正态分布；当偏度>0时，分布为右偏，即拖尾在右边，峰尖在左边，也称为正偏态；当偏度<0时，分布为左偏，即拖尾在左边，峰尖在右边，也称为负偏态；数据分布的左偏或右偏，指的是数值拖尾的方向，而不是峰的位置，容易引起误解。
峰度：
当峰度≈0时，可认为分布的峰态合适，服从正态分布（不胖不瘦）；当峰度>0时，分布的峰态陡峭（高尖）；当峰度<0时，分布的峰态平缓（矮胖）；利用偏度和峰度进行正态性检验时，可以同时计算其相应的Z评分（Z-score），即：偏度Z-score=偏度值/标准误，峰度Z-score=峰度值/标准误。
正态分布的解释：
1、正态分布也称常态分布，又名高斯分布，是一个非常重要的概率分布。在数学、物理及工程等领域以及统计学的许多方面有着重大的影响力。
2、正态分布最早由A棣莫弗在求二项分布的渐近公式中得到。CF高斯在研究测量误差时从另一个角度导出了它。PS拉普拉斯和高斯研究了它的性质。
3、正态分布是连续随机变量概率分布的一种，自然界、人类社会、心理和教育中大量现象均按正态形式分布，例如能力的高低，学生成绩的好坏等都属于正态分布。
4、它随随机变量的平均数、标准差的大小与单位不同而有不同的分布形态。