우리는 거의 모든 데이터 분석을 수행하기 전에 데이터의 정규성을
확인해야 한다고 들었다.

예를들어, 그림 1의 히스토그램은 한 제품의 20일 생산을 나타낸다.
정규성 테스트를 통과하지 못할 것이 분명하다. 그러나 사용할 수 있는
다른 확률 모델이 있는가?
 

그림 1: 6월 생산 데이터

따라서 그림 1의 3시그마 한계를 벗어나는 평균, 분산 및 백분율에 맞는
확률 모델은 없지만 여전히 그림 1의 데이터를 프로세스 동작 차트에 배치할 수 있다.
이렇게 하면 이러한 데이터 내에서 균질성이 부족하다는 충분한 증거를 찾을 수 있다.

그림 2: 6월 생산 데이터에 대한 X 차트

분포 가정을 기반으로 하지 않는 몇 안 되는 통계 기법 중 하나는
프로세스 동작 차트이다.

따라서 확률 모델이 존재하지 않는 경우에도 프로세스 행동 차트가 작동하는 예가 있다.
프로세스 행동 차트를 통해 프로세스 변경 신호가 발생했을 때와 발생했을 때
이를 감지할 수 있다. 우리는 그림 2에서 잘못된 경보의 가능성에 대해 걱정할 필요가 없다.
오히려 우리는 매일 예측할 수 없는 행동의 할당 가능한 원인을 식별해야 한다.

그림 1에서 히스토그램의 "왜도"는 진행 중인 프로세스의 결과이다.
이 과정은 요일마다 성격이 다르다. 그러한 데이터에 확률 모델을 맞추려는 시도는
항상 헛된 연습이 될 것이다.

대부분의 통계 기법의 비밀 기반은 "데이터가 동질적이라고 가정한다."이다.
그러나 데이터 분석의 비밀은 "데이터가 동질적인 경우는 거의 없다."이다.
데이터의 균질성을 검사하기 위한 최고의 기술은 프로세스 동작 차트이다.

Donald J. Wheeler 글