Нормальное распределение
В этой статье объясняется, что такое нормальное распределение в статистике. Итак, вы найдете определение нормального распределения, примеры нормального распределения и каковы свойства нормального распределения.
Что такое нормальное распределение?
Нормальное распределение — это непрерывное распределение вероятностей, график которого имеет колоколообразную форму и симметричен относительно своего среднего значения. В статистике нормальное распределение используется для моделирования явлений с очень разными характеристиками, поэтому это распределение так важно.
Фактически, в статистике нормальное распределение считается наиболее важным из всех распределений вероятностей, поскольку оно не только позволяет моделировать большое количество явлений реального мира, но и может использоваться для аппроксимации других типов распределений. распределения. при определенных условиях.
Символом нормального распределения является заглавная буква N. Итак, чтобы указать, что переменная подчиняется нормальному распределению, она обозначается буквой N, а в скобках добавляются значения ее среднего арифметического и стандартного отклонения.
Нормальное распределение имеет много разных названий, включая распределение Гаусса , распределение Гаусса и распределение Лапласа-Гаусса .
Примеры нормального распределения
Обычно наборы данных, которые соответствуют нормальному распределению, содержат большое количество наблюдений и охватывают очень общие темы. Ниже приведены несколько примеров статистических выборок, которые обычно можно смоделировать с помощью нормального распределения.
Примеры нормального распределения:
- Численность студентов на курсе.
- IQ работников компании.
- Количество бракованных деталей, изготовленных на заводе за день.
- Оценки, полученные на экзамене студентами курса.
- Доходность акций компаний, котирующихся на фондовой бирже.
График нормального распределения
После того, как мы увидели, что такое нормальное распределение и некоторые примеры этого типа распределения вероятностей, давайте посмотрим, как выглядит его график, чтобы лучше понять концепцию.
На следующем графике вы можете увидеть, как меняется функция плотности нормального распределения в зависимости от значений ее среднего арифметического и стандартного отклонения.

Имея форму колокола с центром в среднем арифметическом, если переменная имеет нормальное распределение, это означает, что наиболее повторяющееся значение является средним и что значения вокруг среднего повторяются чаще, чем экстремальные значения. Аналогично, чем больше стандартное отклонение нормального распределения, тем более плоская форма его графического представления.
С другой стороны, график кумулятивной функции вероятности нормального распределения также зависит от значений ее среднего арифметического и стандартного отклонения, как вы можете видеть на следующем изображении:

Функция плотности и функция распределения нормального распределения позволяют рассчитать вероятности, связанные с этим распределением. Однако вместо использования их формул вы можете напрямую использовать таблицы нормального распределения, поскольку это быстрее. С этими таблицами можно ознакомиться по следующей ссылке:
Характеристики нормального распределения
Нормальное распределение имеет следующие характеристики:
- Нормальное распределение зависит от двух характерных параметров: среднего арифметического (μ) и стандартного отклонения (σ).
- Нормальное распределение может принимать положительные и отрицательные значения, поэтому областью нормального распределения являются действительные числа.
- Медиана и мода нормального распределения равны среднему арифметическому распределению.
- Коэффициент асимметрии и коэффициент эксцесса нормального распределения равны нулю.
- Формула функции плотности нормального распределения:
- Аналогично, формула для кумулятивной функции вероятности нормального распределения:
- Применение центральной предельной теоремы состоит в том, что распределение Пуассона может приближаться к нормальному распределению, когда значение λ достаточно велико.
- Другое применение центральной предельной теоремы состоит в том, что биномиальное распределение можно аппроксимировать нормальным распределением для наборов данных с большим количеством наблюдений.
Стандартное нормальное распределение
Стандартное нормальное распределение , также называемое единичным нормальным распределением , является простейшим случаем нормального распределения. Точнее, стандартное нормальное распределение — это нормальное распределение со значениями среднего и стандартного отклонения, равными 0 и 1 соответственно.
Обратите внимание, что любое нормальное распределение можно преобразовать в стандартное нормальное распределение, применив процесс, называемый типированием, который включает в себя вычитание среднего арифметического значения из каждого значения и затем деление на его стандартное отклонение.
Кроме того, стандартное нормальное распределение используется для определения любой вероятности нормального распределения с использованием его таблицы вероятностей. Итак, чтобы найти вероятность нормального распределения, сначала вводится переменная, чтобы преобразовать ее к стандартному нормальному распределению, а затем мы смотрим в таблицу, чтобы узнать, каково соответствующее значение вероятности. Чтобы узнать больше, нажмите на следующую ссылку:
Нормальное распределение и эмпирическое правило
В статистике эмпирическое правило , также называемое правилом 68-95-99,7 , представляет собой правило, которое определяет процент значений нормального распределения, попадающих в пределах трех стандартных отклонений от среднего значения.
Более конкретно, эмпирическое правило гласит следующее:
- 68% значений нормального распределения лежат в пределах одного стандартного отклонения от среднего значения.
- 95% значений нормального распределения лежат в пределах двух стандартных отклонений от среднего.
- 99,7% значений нормального распределения попадают в пределы трех стандартных отклонений от среднего значения.
