Ви, мабуть, уже бачили це. Гладку, симетричну дзвонову криву, яка виникає у всьому — від результатів стандартизованих тестів до звітів про контроль якості. Це нормальний розподіл. Також відомий як розподіл Гауса. Це найпоширеніший спосіб поведінки незалежних випадкових величин.
Крива визначається двома основними числами. Середнє значення знаходиться у верхній точці. Це середнє арифметичне. Графік ідеально дзеркально відбивається щодо цієї центральної точки. Потім є стандартне відхилення. Це число визначає, наскільки широкою чи вузькою стає крива. Мінімальне стандартне відхилення створює крутий, високий графік. Велике стандартне відхилення робить його плоским та широким.
Математична основа спирається на експонентну функцію. Формула використовує e, яка приблизно дорівнює 2,718. Вона також використовує ваше середнє значення (μ ) та стандартне відхилення (σ ). Загальна площа під цією кривою завжди дорівнює одиниці. Це не збіг. Це зроблено навмисно. Оскільки площа нормована на одиницю, ви можете зчитувати ймовірності з простору під лінією. Площа 0,5 означає можливість 50%.
Історично обчислення цих площ вимагало складного математичного аналізу. Більшість людей не мали часу на це. Тож у ХІХ столітті статистики створили таблиці. Вони були призначені для нормального стандартного розподілу. Це такий розподіл, де середнє значення дорівнює нулю, а стандартне відхилення дорівнює одиниці. Якщо ваші дані не відповідали цим числам, їх необхідно перескалювати. Ви віднімаєте середнє значення. Потім поділяйте на стандартне відхилення. Формула має такий вигляд: (x – μ ) / σ.
Калькулятори значною мірою витіснили паперові таблиці. Ви вводите свої числа та миттєво отримуєте відповідь. Але концепція залишається життєво важливою розуміння теорії ймовірностей.
Назва «гаусова» походить від Карла Фрідріха Гауса. Він був німецьким математиком. У 1809 він розробив експоненційну функцію з двома параметрами. Він намагався зрозуміти помилки астрономічних спостережень. Ця робота допомогла йому створити закон помилок спостережень. Вона також просунула метод апроксимації найменших квадратів.
Ще одним раннім користувачем був Джеймс Клерк Максвелл. Він був англійським фізиком. У 1859 році він використовував цей розподіл для опису швидкостей молекул. Його робота пізніше стала законом розподілу Максвелла – Больцмана.
Довго до Гауса Абрахам де Муавр започаткував цей процес. У своїй книзі 1718 «Вчення про шанси» він помітив дещо цікаве. Імовірності для дискретних подій, наприклад, підкидання монет або кидання кубиків, можуть бути апроксимовані експоненційною кривою. П’єр-Сімон Лаплас розвинув цю ідею далі. У своїй роботі 1812 «Аналітична теорія ймовірностей» він узагальнив ідею де Муавра. Він створив те, що ми тепер називаємо центральною граничною теоремою.
Ця теорема сильна. Вона довела, що майже всі незалежні випадкові величини сходяться до нормального розподілу зі збільшенням розміру вибірки. Подібність відбувається швидко. Це відкриття дозволило математикам вирішувати завдання з допомогою математичного аналізу, які були неможливі. Воно перетворило дискретні завдання на безперервні. Воно зробило нерозв’язні проблеми керованими.
То чому це важливо для вас? Якщо ви відвідуєте курс статистики, ви будете використовувати це кожен день. Якщо ви дослідник, ваші дані, швидше за все, слідують цьому патерну, якщо тільки не слідують. Це всюди. Це стандартне припущення для багатьох статистичних тестів.
Краса нормального розподілу полягає у його універсальності. Йому байдуже, що ви вимірюєте. Йому важливо лише те, що ви вимірюєте незалежні змінні. Центральна гранична теорема гарантує, що навіть якщо ваші вихідні дані є хаотичними, середні значення згладяться в дзвонову криву. Ось чому ми можемо робити прогнози про великі групи на основі менших вибірок.
Є причина, через яку ця крива така знайома. Це не просто математична дивина. Це фундаментальне властивість випадковості. Коли чимало незалежних чинників об’єднуються, результат прагне цієї форми. Це трохи схоже на ентропію. Хаос призводить до передбачуваної закономірності.
Чи відповідають ваші дані кривою? Це перше питання, яке ви повинні поставити. Якщо так, у вас є інструменти для легкого аналізу. Якщо ні, вам потрібні інші способи. Нормальний розподіл перестав бути законом природи. Це модель. Дуже корисна модель. Але іноді реальність відмовляється вписуватись у дзвін.
Ми покладаємось на ці моделі, щоб зрозуміти хаос. Центральна гранична теорема дала нам цю силу. Вона перетворила невизначеність на щось обчислюване. Гаусс і Максвелл не ставили за мету створити універсальний статистичний інструмент. Вони просто хотіли зрозуміти зірки та молекули газу. Але їхня робота розкрила глибшу істину про те, як світ агрегує випадкові події.
Наступного разу, коли ви побачите дзвонову криву, згадайте історію. Згадайте монети де Муавра та теореми Лапласа. Це не просто форма. Це результат вікових спроб знайти лад у випадковості. Крива полегшує складне. Вона дозволяє нам пророкувати непередбачуване.
Але майте на увазі. Реальні дані рідко бувають ідеально нормальними. Існують асиметрія та ексцес. Хвости часто важче, ніж передбачає модель. Нормальний розподіл – це апроксимація. Потужна апроксимація. Але все ж таки апроксимація. Розуміння її обмежень так само важливе, як і розуміння її застосування. Саме тут криється реальне розуміння.
