正态模式检测是一种用于检验数据是否呈正态分布的方法。正态分布是指数据分布呈钟形曲线，均值和标准差能够完全描述数据分布的特征。

以下是一些常用的正态模式检测方法：

1. 直方图检测：将数据分成若干个区间，统计每个区间内的数据个数，然后绘制直方图。正态分布的直方图通常呈钟形曲线。

2. QQ图检测：通过绘制数据的分位数和正态分布理论分位数之间的散点图来评估数据是否来自正态分布。如果散点图呈直线，则说明数据符合正态分布。

3. Shapiro-Wilk检验：是一种常用的正态性检验方法。它通过计算数据与正态分布之间的差异程度来判断数据是否符合正态分布。一般来说，p值小于0.05的话可以拒绝正态分布的假设。

4. Lilliefors检验：也是一种常用的正态性检验方法，它主要用于小样本数据。类似于Shapiro-Wilk检验，通过计算数据与正态分布之间的差异程度来判断数据是否符合正态分布。同样，p值小于0.05可以拒绝正态分布的假设。

5. 拟合检验：通过将数据拟合到正态分布的理论模型上，计算观测值与拟合值之间的差异程度来评估数据是否来自正态分布。拟合优度统计量（如卡方统计量）越小，说明数据越接近正态分布。