正態分佈的假設
正態分佈的假設，經常應用於很多統計分析方法中，例如控制圖（Control Chart）、 製程能力分析（Cp/Cpk）、t-檢驗、及變異數分析 (Analysis of variance, ANOVA)等等。
當資料不是正態分佈時，則此類資料非服從或接近正態分佈，我們必須進一步探討並採取補救措施，包括調查原因、或者進行資料轉換、或使用其他型別的分佈)。
實際上，不少製程與可靠度資料均非呈現正態分佈， 而大部分六西格瑪與製程能力分析工具，均假設資料為正態分佈 。所以，我們作為 資料分析者、 六西格瑪綠帶、黑帶、 質量工程師等都應該瞭解一下轉換資料的方法。
統計學家George Box and David Cox發展出一套方法公式用以鑑別出一個適當的指數(Lambda=l) ，轉換資料成為正態分佈樣態(形狀)，這個Lambda值代表資料的次方數。 為了達到此目的，Box-Cox轉換方法自Lambda=-5到 Lambda=+5間找尋最佳的值 。
Box-Cox轉換方法
非正態的資料可以利用Box Cox Transformation 轉化為正態的資料，這一個頗常用的方法。
例子：原始資料：
第一步：進行正態性檢驗，看資料是否遵循正態分佈
從上圖中，P<0.005，因此資料不遵循正態分佈，從直方圖中可以明顯看出資料偏向一邊。
第2步：使用Box Cox變換對資料進行變換
變換後的資料：
第3步：再次測試正態性
從上圖中，P值>0.05，因此很明顯，資料遵循正態分佈，從直方圖中我們也可以看到資料也是均勻分佈的。
如果想對六西格瑪的統計分析有更系統性的瞭解，可以報讀六西格瑪黑帶課程，成為資料分析的專業人士。
