标准正态分布多少等于0.1
P值并不用于确定数据是否服从正态分布。正态分布是一种连续概率分布，具有特定的形状和统计特征，可以通过观察数据的分布形态、均值、方差等指标来进行初步判断。
在统计学中，常用的方法是使用正态性检验来评估数据是否服从正态分布。常见的正态性检验方法包括Shapiro-Wilk检验、Kolmogorov-Smirnov检验、Anderson-Darling检验等。这些检验方法将计算一个统计值和相应的P值，用于判断数据是否显著偏离正态分布。
通常情况下，如果P值较大（通常设定为0.05或更大），则认为数据在给定的显著性水平下可以近似地看作服从正态分布。但需要注意的是，P值并不是唯一的标准，还需要结合数据的实际分布情况、样本大小和背景知识等因素进行综合判断。
要得到正态分布的p值，我们需要考虑以下几个因素：
1)样本大小，2)数据分布情况，3)均值和标准差。通常情况下，当样本大小大于30且数据呈现钟形曲线时，我们可以认为p值在0.05到0.2之间是正常范围。
如果p值小于0.05，则表明数据与正态分布有显著差异；如果p值大于0.2，则说明数据可能存在其他异常情况。
SPSS正态检验的P值一般认为小于0.05的为正态分布，即P值小于0.05时，可以认为样本数据符合正态分布。但是，也有一些学者认为，P值小于0.01时，才能认为样本数据符合正态分布。
p值0.005才是正态分布
Minitab 里检验正态分布的P值大于>0.05就可以。但这也只是取决于你的风险承受度。如果你能承受的只是0.005，那么大于0.005，就可以认为是正态。这里的前提是先认为这个分布就是正态分布，大于0.05(或0.0005)时只是没有足够证据能证明它不是正态分布，所以就认为它是正态分布。
一点小技巧，p在进行正态性检验时越大越好(数据正泰的可能性越大)，其他一般越小越好(因素的显著性越大)。一般minitab help都可以得到标准。
