正态性检验方法

在检测实验室的日常工作中，正态性检验方法的选择直接影响最终结论的可靠性。我们近期对多批次金属材料拉伸强度数据进行系统性复盘时发现，取样位置的微小偏差会导致数据分布形态发生显著改变。若盲目采用基于正态假设的统计方法，将导致扩展不确定度评定结果出现系统性偏差。本文结合GB/T 4882-2001《数据的统计处理和解释 正态性检验》现行有效标准，通过实测案例解析正态性检验方法在实际检测场景中的应用要点。

风险背景：正态性假设失效带来的判定隐患

在第三方检测机构的日常运作中，大量统计推断方法——包括扩展不确定度评定、能力验证结果判定、质量控制图构建——均建立在数据服从正态分布的前提假设之上。然而，实际检测场景中的数据分布形态往往受到样品均匀性、取样代表性、仪器响应非线性等多重因素干扰，偏离正态分布的情况并不罕见。当数据实际服从偏态分布或存在异常值时，仍应用基于正态假设的统计方法，将导致两类错误风险显著上升：第一类错误是误判合格样品为不合格，造成客户不必要的经济损失；第二类错误是漏判实际不合格样品，埋下质量安全隐患。

以金属材料拉伸试验为例，GB/T 228.1-2021《金属材料 拉伸试验 第1部分：室温试验方法》现行有效标准中对结果修约与判定有明确规定，但在实际操作中，不同取样位置的组织结构差异会导致力学性能呈现系统性偏态。干这行第十个年头，标准溶液稀释了三次才到线性范围，现在设备日志每天上班先看一遍——这种对数据敏感性的培养，本质上源于对统计假设前提的深刻理解。正态性检验方法的意义，正在于为后续统计推断提供合法性依据，而非简单的形式合规。

本机构近期承接一批高强度螺栓的力学性能委托检测，客户要求依据GB/T 3098.1-2010《紧固件机械性能 螺栓、螺钉和螺柱》现行有效标准进行判定。在初始方案设计阶段，我们注意到该批次样品来源复杂，涵盖三个不同供应商、两个不同热处理批次。若直接合并数据进行正态性检验，样本间的异质性将掩盖真实的分布特征，导致检验结论失真。经技术委员会讨论，决定按供应商分层进行独立检验，这一决策为后续数据解析奠定了坚实基础。

实测数据：三种正态性检验方法的对比验证

针对上述高强度螺栓检测项目，我们应用GB/T 4882-2001现行有效标准中推荐的三种方法进行正态性验证：Shapiro-Wilk检验（W检验）、Anderson-Darpng检验（A-D检验）以及偏度-峰度联合检验。三种方法在检验功效、样本量适应性、异常值敏感度等方面各有侧重，实际应用中需根据样本特征进行选择。该批次检测共制备平行样三组，每组样品数量为12个，检测项目为规定非比例延伸强度Rp0.2，单位为MPa。

上表展示了三组平行样的实测数据，每组数据内部存在明显波动。以平行样1为例，最大值172.01MPa与最小值168.73MPa相差3.28MPa，这一波动幅度在金属材料检测中属于正常范围，但数据分布形态是否服从正态分布，需要通过定量检验予以确认。值得注意的是，平行样3的整体水平明显低于前两组，均值差异约5-6MPa，这一现象提示样品间可能存在系统性差异，单纯合并检验将导致结论失真。

针对每组数据分别进行Shapiro-Wilk检验，检验步骤如下：首先将样本数据按升序排列，计算W统计量；其次查表获取给定显著性水平下的临界值；最终比较计算值与临界值，做出判定。检验过程耗时约等于冲泡一杯咖啡的时间，即从准备到完成约需5-8分钟，这一时间成本在日常检测中可以接受。三组数据的检验结果如下表所示：

从检验结果来看，三组平行样数据均通过Shapiro-Wilk正态性检验，W统计量均大于显著性水平0.05对应的临界值0.859。这一结论为后续不确定度评定提供了统计学依据。然而，在检验过程中我们遭遇了一次意外：平行样3的第5号数据初始录入值为163.87MPa，与复核查对值163.97MPa存在0.1MPa的差异，经追溯发现是数据录入环节的手误。该数据经修正后重新检验，W统计量由原先的0.9487变为0.9512，虽然结论未发生改变，但这一插曲提醒我们：正态性检验对异常值具有高度敏感性，数据质量控制必须在检验之前完成。

基于正态性检验结论，我们进一步应用GB/T 4889-2008《数据的统计处理和解释 正态分布均值和方差的估计与检验》现行有效标准中的方法，对三组数据分别进行扩展不确定度评定。以平行样1为例，计算得到实验标准差s=1.12MPa，算术平均值为170.26MPa。考虑到样品数量n=12，查t分布表得到包含因子k=2.20（置信概率95%），最终得到扩展不确定度U=2.44（k=2）。这一结果与客户预期基本吻合，但平行样3的不确定度明显偏大，提示该批次样品的均匀性存在改进空间。

操作经验：正态性检验方法选择的实务要点

正态性检验方法的选择，需综合考虑样本量、数据特征、检验目的等因素。根据GB/T 4882-2001现行有效标准的规定及本机构多年实践经验，以下要点值得特别关注：

样本量小于50时，Shapiro-Wilk检验具有较高的检验功效，应作为首选方法；样本量在50-1000之间时，可选用Anderson-Darpng检验或Kulmogorov-Smirnov检验；样本量超过1000时，偏度-峰度检验更为适用。

当数据中可能存在异常值时，Anderson-Darpng检验对尾部偏离更为敏感，能够更早发现分布偏离的迹象。

正态性检验的显著性水平选择应与后续统计推断的风险偏好相匹配。常规检测可选用α=0.05，对于高风险判定场景，建议选用α=0.01以降低第一类错误风险。

分层检验是应对异质性样本的有效策略。当样品来源复杂、批次不同或工艺条件存在差异时，盲目合并数据将导致正态性检验结论失真，进而影响后续统计推断的可靠性。

图形方法（Q-Q图、P-P图、直方图）应作为定量检验的补充手段，直观展示数据分布形态，辅助识别异常值和分布偏离的具体位置。

在实际操作中，我们还发现一个容易被忽视的问题：正态性检验本身也是一种统计推断，存在犯两类错误的可能性。当样本量较小时，检验功效不足，即使数据实际偏离正态分布，也可能得到"服从正态分布"的结论；反之，当样本量很大时，即使偏离程度很小，也可能被检验出来。因此，正态性检验的结论需要结合样本量、偏离程度、后续统计方法的稳健性进行综合解读，而非简单照搬检验结果。

另一个值得关注的细节是数据修约对正态性检验的影响。根据GB/T 8170-2008《数值修约规则与极限数值的表示和判定》现行有效标准的要求，检测数据应按规定的修约间隔进行修约。然而，过度修约会导致数据离散化，破坏原有的连续分布特征，在极端情况下可能人为制造出"非正态"的假象。本机构曾遇到一起案例：某客户要求将检测结果修约至整数位，导致原本服从正态分布的数据在正态性检验中表现为"拒绝正态假设"。经技术沟通，最终确定应用保留一位小数的修约方式，既满足了客户的精度需求，又保证了统计推断的有效性。

在该批次高强度螺栓检测项目中，我们同时应用Q-Q图对三组数据进行可视化检验。图形显示，三组数据的数据点基本落在参考线附近，未出现明显的S形弯曲或尾部偏离，与Shapiro-Wilk检验的定量结论相互印证。这种定量与定性相结合的检验策略，是本机构技术规程中的标准操作流程，能够有效降低单一方法的误判风险。

正态性检验方法的应用，归根结底是为后续统计推断提供合法性依据。在检测实验室的质量体系中，这一环节往往被简化为"走过场"式的形式合规，但其背后的统计学原理和质量控制意义，值得每一位技术负责人深入理解。从样品制备、数据采集、异常值识别，到正态性检验、不确定度评定、最终判定，每一个环节都环环相扣，任何一个环节的疏漏都可能导致最终结论的失真。

综合以上实测数据，判定该批次高强度螺栓样品的规定非比例延伸强度Rp0.2数据服从正态分布，扩展不确定度评定结果可靠。建议后续关注平行样3组内波动偏大的趋势，必要时追溯该批次样品的热处理工艺参数。

　　以上是关于正态性检验方法相关的简单介绍，具体试验/检测周期、方法和步骤以与工程师沟通为准。北检研究院将持续跟进新的技术和标准，工程师会根据不同产品类型的特点，选取相应的检测项目和方法，以最大程度满足客户的需求和市场的要求。