تابع توزیع نرمال (NORMAL DISTRIBUTION) یکی از توابع مهم در بحث آمار و احتمالات است.
در این مطلب در مورد خواص و ویژگی‌های این تابع به زبان ساده و خلاصه صحبت خواهیم کرد.
تابع توزیع نرمال (NORMAL DISTRIBUTION) بیانگر چیست؟
در برخی از جوامع آماری، فراوانی داده‌ها به شکلی است که داده‌ها بطور متقارن در دو طرف میانگین توزیع شده‌اند، همچنین هر چه به میانگین نزدیکتر می‌شویم فراوانی بیشتر و هر چه از میانگین دورتر می‌شویم فراوانی کمتر می‌شود، بطوریکه 68% داده‌ها در فاصله 1 برابر انحراف معیار، 95% در فاصله 2 برابر انحراف معیار و 99.7% در فاصله 3 برابر انحراف معیار از میانگین قرار دارند، در این حالت می‌گوئیم فراوانی این داده‌ها از تابع توزیع نرمال پیروی می‌کند.
شکل تابع توزیع نرمال (NORMAL DISTRIBUTION) چگونه است؟
نمودار تابع توزیع نرمال به شکل یک زنگوله متقارن است، مانند نمونه زیر؛
چگونه بررسی کنیم که آیا توزیع داده‌ها بصورت توزیع نرمال (NORMAL DISTRIBUTION) هست یا خیر؟
در صورتیکه مجموعه‌ای از داده‌ها داشته باشیم و بخواهیم بررسی کنیم که آیا توزیع آنها به شکل تابع توزیع نرمال هست یا خیر می‌توانیم به یکی از روشهای زیر عمل کنیم؛
- رسم نمودار؛
می‌توانیم نمودار توزیع داده‌ها را رسم نموده سپس بررسی کنیم که آیا به شکل کلی نمودار تابع توزیع نرمال نزدیک است یا خیر، برای این کار مقدار داده‌ها را به عنوان متغییر مستقل (x) و فراوانی (تکرار) آنها را به عنوان متغییر وابسته (y) در نظر گرفته، سپس با استفاده از مقادیر x و y نمودار مربوطه را رسم می‌نمائیم.
- بررسی داده‌ها بدون رسم نمودار؛
در این حالت ابتدا باید میانگین و انحراف معیار داده‌ها را محاسبه نمائیم، در صورتیکه 68% داده‌ها در فاصله 1 برابر انحراف معیار، 95% در فاصله 2 برابر انحراف معیار و 99.7% در فاصله 3 برابر انحراف معیار از میانگین قرار داشتند، می‌توانیم بگوئیم که توزیع داده‌ها بصورت توزیع نرمال است.
نکته:
برای محاسبه انحراف معیار در گوگل شیت می‌توان از توابع زیر استفاده کرد؛
تابع DSTDEV برای انحراف معیار نمونه‌های تصادفی
تابع DSTDEVP برای انحراف معیار داده‌های جامعه آماری
نوشته شده توسط: 
بازنشر مطالب با رعایت قوانین سایت جی‌گاید آزاد است.
اگر این مطلب برایتان مفید بود، آنرا با دیگران به اشتراک بگذارید یا نظر خود را درباره این مطلب بیان کنید.
