Чтобы выполнить статистический тест на нормальность распределения, необходимо воспользоваться функцией

, которая позволяет оценить, насколько данные соответствуют нормальному распределению. Например, для проверки нормальности распределения данных можно использовать тест Шапиро-Уилка или тест Колмогорова-Смирнова.

В Python можно воспользоваться функцией shapiro() из библиотеки scipy.stats для теста Шапиро-Уилка:

from scipy.stats import shapiro

data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

stat, p = shapiro(data)

print('Statistics=%.3f, p=%.3f' % (stat, p))

alpha = 0.05
if p > alpha:
    print('Sample looks Gaussian (fail to reject H0)')
else:
    print('Sample does not look Gaussian (reject H0)')

Для теста Колмогорова-Смирнова можно воспользоваться функцией kstest() из той же библиотеки:

from scipy.stats import kstest

data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

stat, p = kstest(data, 'norm')

print('Statistics=%.3f, p=%.3f' % (stat, p))

alpha = 0.05
if p > alpha:
    print('Sample looks Gaussian (fail to reject H0)')
else:
    print('Sample does not look Gaussian (reject H0)')

Обе функции возвращают значение статистики и p-значение, которое можно использовать для проверки гипотезы о нормальности распределения данных.