正态分布概念由德国数学家Moivre于1733年首次提出，德国数学家Gauss率先将其应用于天文学研究，所以又称高斯分布。正态分布在数学、物理及工程学等领域非常重要，在统计学中也是影响深远。统计学中的t分布、F分布等都是在正态分布的基础上推导出来的，u检验也是以正态分布为基础。

正态分布与非正态分布区别：

•正态与非态分布资料对假设检验要求不同。正态分布资料一般用参数检验（如T检验等），而非正态分布资料则要用非参数检验；

•正态资料一般采用平均数±标准差表示；非正态资料建议采用中位数（四分位数间距IQR）表示，必要时提供数值范围。

如何确定是正态分布还是非正态分布呢？

1.在SPSS软件工具栏中按图示依次点击Analyze » Descriptive » Explore开始检验正态分布。

2. 点击Explore跳出一个对话框，选择要分析的变量，选入因变量框内，然后点选Plots(图表)，设置输出直方图，选择输出正态性检验图表，注意Display要选择Both。 

3.输出结果Tests of Normality, P>0.05代表正态分布。

在SAS中Kolmogorov-Smirnov一般适用于样本量大于2000，Shapiro-Wilk（W检验）用于2000以内的样本。在SPSS中比较复杂，一般样本量50以内用Shapiro-Wilk，对于无权重或整数权重，在加权样本大小位于3 和5000 之间时也可以采用。  

临床实际中正态分布资料并不多见，尤其是小样本研究；有些资料天然是偏态的：如血压，糖化血红蛋白水平。因为，这些资料在正常值范围内一般都认为“正常”，高一点与低一点并不太关心；但超过正常值，则会关心变化值。因此，这些资料分布即便是“正态”，但它们的临床意义也未必“正态”！

临床实际中对于关键指标，建议进行正态和非正态同时呈现。重要指标，务必检验正态还是非正态分布，选择正确的统计学方法；而非关键指标，建议以临床意义优先的处理原则，其实是方便。