正态分布检测是一种用来检验数据是否符合正态分布的统计方法。正态分布又称为高斯分布，是统计学中最重要的一种概率分布，许多现实世界中的数据都可以近似地服从正态分布。

正态分布检测常用的方法包括：

1. 直方图分析法：通过绘制数据的频率分布直方图，观察数据的分布形态，如是否呈现钟形曲线。
2. QQ图法：QQ图（Quantile-Quantile Plot）是一种可以直观地检验数据是否服从正态分布的方法。通过将数据的分位数与正态分布的分位数进行比较，观察数据点是否分布在一条直线上。
3. Shapiro-Wilk正态性检验：Shapiro-Wilk检验是一种常用的正态性检验方法，通过计算统计量W和p值来判断数据是否服从正态分布。
4. Kolmogorov-Smirnov正态性检验：Kolmogorov-Smirnov检验是另一种常用的正态性检验方法，通过计算统计量D和p值来判断数据是否服从正态分布。
5. Anderson-Darling正态性检验：Anderson-Darling检验是一种比较敏感的正态性检验方法，通过计算统计量A和临界值来判断数据是否服从正态分布。
6. Lilliefors正态性检验：Lilliefors检验是对小样本数据进行正态性检验的一种方法，也是基于Kolmogorov-Smirnov检验的一种改进。

通过以上方法可以对数据进行正态分布检测，以判断数据是否符合正态分布的假设。