如果 Anderson-Darling 值较小，则表明分布与数据拟合得更好。P值取决于你的风险承受能力，一般认为置信度是0.95，即P值>0.05时，我们认为符合正态分布。
Anderson-Darling拟合优度检验是一种检验所收集的数据是否服从某个分布(如正态分布、指数分布、韦伯分布等等)的一种方法，是一种非参数检验方法。
注意：
类似的方法还有Shapiro-Wilk检验、Kolmogolov-Smirnov检验等。其原理是将所收集的数据从小到大排列，得出经验累积分布(ECDF)，并与目标分布的理论累积分布(CDF)进行比较，得出所谓的AD*统计量，这个统计量越小，数据的分布就越接近目标分布，越大则数据服从目标分布的可能性就越小。
具体的判断就是根据AD*统计量的分布计算出p值，如果p值大于0.05，则数据服从目标分布，如果p值小于0.05，则数据不服从目标分布。
