일반적인 통계분석 Tool을 사용하면 분석중인 데이터에 대한 분포의 유형을 다음과 같은
분석결과값을 확인하여 정의할 수 있다

■ Anderson-Darling statistic (AD) : 낮은 AD값 일수록 좀더 적합한 값을 나타낸다.
   그렇지만 다른분포이 데이터와 얼마나 적합하고 있는지는 p-value로 평가한다

■ P-value : 높은 P-value를 찾아야 한다. 일반적으로 여러 분포에 대한 p-value를 비교하여
   가장 높은 분포를 선택한다. 예를 들어 0.05보다 낮은 p-value는 데이터가 지정한 분포를
   따르지 않는다고 판단한다. 그런데 어떤 3-모수 분포의 경우 p-value는 계산이 되지 않아
   *(별표) 표시로 대산하기도 한다

■ LRT P : 3-모수 분포에서만 사용되며 낮은 값이 2-모수 기준으로 세번째의 모수가 유의한
   값임을 추가적으로 나타낸다.

예를 들어 보면 다음과 같다.
먼저 적합도 검정부분을 살펴보자.

첫번째 정규분포(Normal)를 살펴보면 p-value<0.005를 나타내고 있기 때문에 정규분포를
따르지 않음을 나타내고 있다.

먼저 원시 데이터의 분포를 알고자 하기 때문에 변환(Box-Cox, Johnson)은 제외하고
p-value가 최대인 분포를 찾아보면 p-value>0.5인 3-모수 와이블 분포를 발견할 수 있다.
그리고 3-모수인 경우 사용하는 LRT P값도 0.000으로 유의함을 나타내고 있다.

사례의 경우 p-value와 LRT P값을 고려하여 3-모수 와이블 분포를 가장 적합한 분포라고
결정할 수 있다. 그리고 같이 분석되는 확률플롯을 참조하여 살펴보면 다른 세종류의
분포는 데이터가 분포에 적합되지 않은 모습을 3-모수 와이블 분포는 잘 적합되는
모습을 볼 수 있다.

이제 우리는 어떤 분포가 적합한지 알았다.