توزیع نرمال
توزیع نرمال
توزیع نرمال، که ممکن است بعضی از خوانندگان، نمودار آن را به عنوان منحنی زنگدیس بشناسند، گاهی با نامهای پیرلاپلاس و کارس گاوس، که در تاریخ پیدایش آن نقش چشمگیر داشته اند، همراه است. گاوس توزیع نرمال را با روش ریاضی به عنوان توزیع احتمال خطای اندازه گیریها به دست آورد و آن را «قانون نرمال خطاها» نامید.بعداً منجمین، فیزیکدانها، و کمی بعد از آن، کسانی که در بسیاری از رشته ها داده‌ها را گردآوری می کردند، دریافتند که بافت نگارهای این داده ها دارای این خصوصیت مشترک هستند که ارتفاع مستطیلها ابتدا بتدریج به یک مقدار بیشینه صعود می کنند و سپس به طور متقارن کاهش می یابند. هرچه منحنی نرمال تنها منحی نیست که چنین شکلی دارد ولی معلوم شده است که در موارد بسیار زیادی، تقریب قابل قبولی به دست می دهد. زمانی در جریان مراحل اولیة تکامل آمار، چنین احساس می‌شد که داده های مربوط به هر پدیدة واقعی باید مطاق با منحنی نرمال زنگدیس باشند و در غیر این صورت می باید نسبت به فرایند جمع آوری داده ها مشکوک بود. از اینجاست که این توزیع به نام توزیع نرمال معروف شده است. لکن بررسی دقیق داده ها در اغلب موارد، نارسایی توزیع نرمال را آشکار ساخته است. لکن بررسی دقیق و در حقیقت، عمومیت توزیع نرمال افسانه ای بیش نیست، و مثالهای توزیع های غیر‌نرمال در هر یک از قلمروهای تحقیقات، فراوان اند. با وجود این، توزیع نرمال نقشی اساسی در آمار بازی می کند، و روشهای استنباطی که از آن به دست می آیند، دارای قلمرو کاربرد وسیعی هستند و ستون فقرات روشهای جاری تجزیه و تحلیل آماری را تشکیل می دهند.
هرچند در اینجا صحبت از اهمیت توزیع نرمال است، ولی بحث ما در واقع به ردة وسیعی از توزیعها که دارای چگالی زنگدیس اند، مربوط می شود. هر توزیع نرمال به وسیلة مقدار میانگین آن، ، و انحراف معیار آن، ، به طور کامل مشخص می شود؛ این مقادیر در فرمول تابع چگالی احتمال ظاهر می شوند.
