이진 데이터를 사용하는 분포에 대하여 먼저 분석하려는 데이터가 전제조건을 만족하는지
결정할 필요가 있다. 만일 그 가정을 만족한다면 해당분포를 사용하여 공정을 모델화 할 수 있다.

예를 들어, 이항분포를 위한 전제조건을 살펴보자.
이항 분포는다음 4가지 전제조건을 가지고 있다.

■ 각 시행은 두가지 결과중 한 경우를 가진다
   이것은 합격/불합격, 채택/기각 등이다

■ 각 시행은 독립적이다
   만일 각 시행에 따른 결과의 발생 가능성이 변경되지 않능다면 실험의 각 시행은 독립적이다.
   에를 들어, 동전을 50번 던질 때 던져진 각 동전은 한번 던져서 나온 결과 앞면이든 뒷면이든
   다음에 던지는 동전의 결과로서 앞면이 나올지 뒷면이 나오거나 뒷면이 나올 가능성에 영향을
   미치지 않기 때문에 독립적인 시행이다.

■ 각 시행에 대한 사건의 발생가능성은 동일하다
   시간이 지나도 발생가능성은 변하지 않는다. 가끔씩 동전이 휘어있다든지 하는 지니고 있는
   물리적인 성질 때문에 이 가정을 이용할 수 있다. 다른 경우로 P 관리도를 사용하여 이 가정을
   확인할 수 있다. 만일 P 관리도에서 통계적으로 괸리상태에 있으면 발생확률은 일정하다.

■ 시행횟수는 고정되어야 한다
   이 가정은 시행횟수에 대해 어떤 빈도로 사건이 일정하게 발생하는지 모형화 하고자 하는
   여러분의 목표를 반영하는 것이다. 

일반적으로 여러분의 데이터가 이러한 전제조건들을 만족하는 아닌지의 결정은 공정에 대한
이해수준에 따라 좌우된다. 만일 모든 전제조건이 만족된다면 이항분포를 안심하고 사용할 수 있다.

이항분포 이외 이진 데이터를 사용하는 다른 분포의 전제 조건중 이항분포와 핵심적으로
차이가 나는 조건은 다음과 같다

■ 음이항분포 :  사건의 고정된 횟수를 생성하기 위해 시행횟수를 모형화 하고자 할 때 사용한다
■ 기하분포 : 첫번째 발생 사건에 대한 시행횟수를 모형화 하고자 할 때 사용한다
■ 초기하분포 : 복원없이 작은 모집단으로 부터 샘플을 추출할 때 시간 경과에 따라 확률이 변하는
   경우를 모형화 하고자 할 때 사용한다

정리하면, 여러분이 이진 데이터가 있으면 어떤 이진 분포를 사용해야 하느냐의 선택은 모집단과
모집단의 안정성 그리고 그 데이터로 무엇을 하려고 하느냐에 따라 좌우된다.

이러한 전제조건을 확정하고 난 다음에는 일반적으로는 적합도 검정을 실행할 필요는 없다.