Normalny Rozkład: Anatomia Krzywej Dzwonowej

Założeń stojących za krzywą

Rozkład normalny (Gaussowski) jest w pełni opisany dwoma liczbami: średnią μ, która określa położenie środka krzywej, oraz odchyleniem standardowym σ, które definiuje jej rozrzut. Jego funkcja gęstości prawdopodobieństwa to wzór poniżej – krzywa nigdy nie jest zerowa nigdzie, jedynie bardzo szybko zanika w oddali od μ, dzięki kwadratowemu wyrazowi wewnątrz funkcji wykładniczej.

f(x) = 1 / (σ√(2π))  ·  e^( −(x−μ)² / (2σ²) )
   μ = mean (location)      σ = standard deviation (spread)

Standaryzacja: każdy rozkład normalny ma tę samą formę

W dowolnym rozkładzie normalnym można przekształcić go w rozkład standardowy, przy czym μ = 0 i σ = 1, poprzez podstawienie z = (x − μ) / σ. Ta pojedyncza transformacja jest powodem, dla którego tabele statystyczne potrzebują jedynie do tabelowania jednej krzywej — każdy rozkład normalny, niezależnie od jego średniej i rozrzutu, dosłownie ma tę samą formę, przesuniętą i wydłużoną, a z mówi, o ile odchyleń standardowych wartość znajduje się od swojej własnej średniej.

Dlaczego funkcja rozkładu prawdopodobieństwa (CDF) nie ma postaci zamkniętej

Funkcja rozkładu prawdopodobieństwa – prawdopodobieństwo wylądowania na lub poniżej pewnej wartości x – jest to całka iteracyjna z krzywej Gaussa, a ta całka nie może być zapisana przy użyciu zwykłych funkcji elementarnych. Zamiast tego jest ona wyrażana za pomocą funkcji błędu, erf, która sama w sobie jest definicją całki i jest obliczana numerycznie: Φ(z) = ½[1 + erf(z/√2)]. Każda tabela statystyczna, kalkulator z-score oraz biblioteka programistyczna opiera się, pod spodem, jedynie na wstępnie obliczonej lub numerycznie wyliczonej wersji tej jednej funkcji.

Zasada 68–95–99.7

Ponieważ kształt rozkładu jest ustalony po standaryzacji, stałe procentowo wartości zawsze padają w określone przedziały liczby odchyleń standardowych od średniej: około 68% w zakresie ±1σ, około 95% w zakresie ±2σ i około 99.7% w zakresie ±3σ. Ta empiryczna zasada tłumaczy, dlaczego wynik odbiegający o dwa lub trzy odchylenia standardowe od średniej jest traktowany jako wyjątkowo nietypowy w szerokim spektrum dziedzin, od kontroli jakości po eksperymenty fizyczne – jest to bezpośrednia i łatwa do zapamiętania konsekwencja wykładniczego zanikania funkcji gęstości prawdopodobieństwa.

Dlaczego ta konkretna krzywa pojawia się wszędzie

Dwie oddzielne przyczyny matematyczne prowadzą do tej samej krzywej. Twierdzenie o rozkładzie normalnym (Central Limit Theorem) pokazuje, że średnie z wielu niezależnych zmiennych losowych dążą do kształtu Gaussa, niezależnie od kształtu danych pierwotnych, co wyjaśnia, dlaczego tak wiele naturalnie zebranych pomiarów – wzrosty, błędy pomiarowe, wyniki egzaminów – przypomina rozkład normalny. Oddzielnie, spośród wszystkich rozkładów prawdopodobieństwa o danej średniej i wariancji, Gaussowskie jest tym z maksymalną entropią – z najmniejszą dodatkową strukturą lub założeniem wpisanym poza jedynie ustaleniem średniej i rozrzutu – co stanowi mocny powód teoretyczny do oczekiwania jego występowania, gdy znane są lub ograniczone tylko średnia i wariancja procesu.

Frequently asked questions

Wypróbuj na żywo

Wszystko powyżej działa bezpośrednio w Twojej przeglądarce — otwórz Normal Distribution i zmieniaj parametry podczas działania. Nic nie jest instalowane ani przesyłane na serwer, cały model działa w jednej karcie.