分布

数据集的形状、展开和位置。 了解数据集的分布即可了解有关数据本身的大量信息，而且在选择适当分析和解释其结果方面非常关键。可以通过图形、描述性统计或更加正式地使用分布识别工具来评估分布。

直观评估

通过图形（如直方图），可以直接深入了解数据集的分布情况。数据围绕单一区域聚类，还是围绕其多个峰值或模式聚类？是稀疏散布于宽广的范围，还是紧密聚集？数据是偏斜的还是对称的？

分布度量

用于描述包含数字值的数据的中心趋势（均值、中位数）和展开（方差、标准差）的描述性统计，这些统计可用于与其他数据集进行比较。

正式定义或理论性定义

最终，可以在可预测图形或数学项的基础上定义某些“完美”分布，并且按名称（如正态、Weibull 和指数分布）进行指代。例如，正态分布始终为钟形，且集中于单个均值。正态分布中的值的一致百分比包含于与均值的任何数量的标准差中；例如，68.26% 的观测值始终在与均值一个标准差的范围内。实际上，数据只是近似于这些完美分布；如果存在紧密的拟合，则认为数据由给定分布“良好模型化”。Minitab 的个体分布标识工具可帮助您找到与数据最佳拟合的分布。

许多分析要求数据以特定方式分布，如果使用其他分布，则可能会产生不准确的结果。了解数据服从特定分布，即可了解数据中的不一致。例如，通常由正态分布良好模型化的向右偏斜的数据可能表示，过程中的某些内容是错误的。