文献综述
现状及发展趋势：
近年来，随着医学研究技术的飞速发展，研究人员对研究数据的要求更为严格，实验研究数据基于数据正态分布，进一步整理分析检测，得出结论。正态分布是自然界中一种最常见的也是最重要的一种分布，研究者在进行实际统计分析时，利用观测数据判断总体是否服从正态分布的检验称为正态性检验，它是统计判决中重要的一种特殊的拟合优度假设检验。常用的正态性检验方法Kolmogrov-Smirnor(K-S)检验、Lilliefors(Lillie)检验、Cramer-Von Mises(CVM)检验、Mudholkar检验、Ryan-Joiner检验；基于传统的正态性检验方法的检验软件，包含的检验方法不全，无法满足研究者对于更智能、更便捷的正态性检验方法软件的需求。
本课题研究的意义和价值：
R语言已在医学、金融、计算机、软件工程等领域展现了巨大的应用价值。R语言集成了多种改进后的数据算法和工具包，且具有开源的特点、交互方式提供可神化界面，还支持数据工作流的任务定义域执行，极大简化了编程人员的操作，此外可通过自定义脚本来进行分析功能及其他语言诸如C语言、java语言的调用等。
已实现可视化R软件包NormalTest1.0版本已包括Kolmogorov-Smirnor(K-S)检验、Lilliefors(Lillie)检验、Cramer-Von Mises(CVM)检验、Anderson-Darling(AD)检验、Shapiro-Wilk(Shapiro)检验、Pearson chi-square(Pearson)检验、Jarque-Bera(JB)检验、DAgostino(Dago)检验、Shapiro-Francia检验等9种；统计图法，包括直方图、茎叶图、箱式图、Q-Q图等4种。
目前，已被广泛应用于正态性检验的软件有SPSSS、SAS、Minitab、Stata、R等，可视化R软件包NormalTest不仅具有使用方便、精确度高、不易仿冒等特点，而且符合研究者对数据正态分布检验的的习惯。相比于其它大多数软件而言，R所具有的灵活性、开源性及多功能性，使其逐渐普及到许多不同领域，在数据处理中的应用愈加普遍和深入，日益受到学界和业界的认可和重视，学习掌握R语言这项技能的国内外数据科学家和开发者的人数也日渐增多，因此R的应用前景十分广阔，未来在全世界范围内将会得到更加广泛的开发应用和发展。
数据的正态性检验是其他研究方法分析的基础，作为医学研究者必需掌握的统计分析方法之一，可视化R软件包NormalTest将正态性检验方法汇总，为研究者提供更为方便快捷的软件使用，满足研究者的数据正态性检验的需求。
参考文献：
[1] 霍剑.一种大样本正态性检验的新方法 [J]. 统计与决策,2013(19):67-68.
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
