在总体服从正态分布的情况下，对参数的假设检验有以下几种常用方法：
Shapiro-Wilk检验
适用于小样本量的数据，通过比较观测值与正态分布的理论值之间的差异来评估数据是否服从正态分布。
Anderson-Darling检验
与Shapiro-Wilk检验类似，通过比较观测值与正态分布的理论值之间的差异来判断数据是否符合正态分布，对尾部的拟合程度更为敏感。
Kolmogorov-Smirnov检验
通过计算观测值与正态分布累积分布函数的差异来判断数据是否服从正态分布，对整个分布的拟合程度进行评估。
Lilliefors检验
类似于Kolmogorov-Smirnov检验，也是通过计算观测值与正态分布累积分布函数的差异来判断数据是否服从正态分布。
偏度-峰度正态性检验
包括偏度检验、峰度检验和偏度-峰度联合检验。偏度检验用于检测总体在偏度方向上是否偏离正态，峰度检验用于检测总体在峰度方向上是否偏离正态，联合检验则用于同时检测偏度和峰度。
t检验
当总体方差已知时，可以使用z检验。当总体方差未知时，则使用样本标准差s替代总体标准差，从而得到t统计量进行假设检验。
F检验
用于检验两个正态总体的方差是否相等，常用于正态总体方差的假设检验。
U检验
当总体均值已知且总体方差已知时，可以使用U检验。当总体均值已知但总体方差未知时，可以使用t检验。
这些方法各有优缺点，选择哪种方法取决于具体的数据特点、样本大小以及研究者的需求。在实际应用中，可以根据数据的分布情况、样本量大小以及检验的精确性要求来选择合适的正态性检验方法。
