통계분석을 하는데 여러가지 가정이 따른다.
그중에서 "정규성(Normality)" 이라는 가정은 무엇인지 알아보자

 여러분이 통계적 검정을 실시하기 전에 분석하려는 데이터가 어떤 분포의 특징을 가지는 지 확인해야 한다.
만일 확인하지 않으면 적합하지 않은 통계적 검정을 선택할 위험이 있게된다.
     
1-Sample t test, 2-Sample t test, Process Capability, I-MR, ANOVA 등의 많은 통계적인 방법들은
분석하려는 데이터가 정규분포를 따른다는 가정에서 출발한다.
  

분석하려는 데이터가 정규분포하지 않으면 여러분은 평균값 대신에 중앙값을 근거로 하는 비모수검정을
사용할 수도 있다. 그리고 Box-Cox 혹은 Johnson 변환으로 정규분포하지 않은 데이터를 정규분포로
변환할 수도 있다.

  
그러나 샘플크기가 적어도 15개 혹은 20개 정도 된다면 많은 통계적인 도구들은 실제로 정규분포를 따라야
한다는 가정을 요구하지 않는다는 점을 알아둘 필요가 있다.
만일 샘플크기가 15개보다 적고 데이터가 정규분포하지 않는다면 여러분의 분석결과를 해석할 때
p-value가 정확하지 않을 수 있으므로 주의해야 한다.
  

   
    
정규성검정을 통하여 분포를 평가할 때,
- 그래프상의 점들은 대략 직선의 모습으로 분포할 것이다. 꼬리 부분이 직선이 아니더라도 신뢰구간
  안에 들어 간다면 문제없다.
- Anderson-Darling 통계량이 적어야 한다
- p-value는 유의수준(보통 0.05 혹은 0.10)보다 커야 한다
     

     
위의 그래프 요약자료를 통하여 분석할 때,
- 데이터는 히스토그램으로 나타내어 진다. 분석중이 데이터가 정규분포하는지 한쪽으로 기울어져 있는지
  확인하고 이상값이 있는지 확인한다
- Anderson-Darling 통계량이 적어야 한다
- p-value는 유의수준(보통 0.05 혹은 0.10)보다 커야 한다