# Formula normalne distribucije u statistici
Normalna distribucija, poznata i kao Gaussova distribucija ili krivulja zvona, jedan je od najosnovnijih koncepata u statistici. Njezino postojanje često se smatra temeljem raznih statističkih i vjerojatnosnih analiza. Ova distribucija se ne koristi samo često u teoriji već i u raznim praktičnim primjenama, kao što su upravljanje financijskim rizicima, društvene znanosti, medicina i drugo.
## Definicija normalne distribucije
Normalna distribucija je kontinuirana distribucija vjerojatnosti koja je simetrična oko svoje srednje vrijednosti. Drugim riječima, grafički prikaz ove distribucije formirat će krivulju u obliku zvona koja se širi kod srednje vrijednosti, a sužava na repovima. Ova distribucija ima dva glavna parametra: srednju vrijednost (μ) i standardnu devijaciju (σ).
Srednja vrijednost određuje položaj središta distribucije, dok standardna devijacija mjeri koliko su podaci raspršeni oko srednje vrijednosti. Što je standardna devijacija veća, to je krivulja distribucije šira i kraća; što je standardna devijacija manja, to je krivulja uža i strmija.
## Funkcija gustoće vjerojatnosti
Funkcija gustoće vjerojatnosti (pdf) za normalnu distribuciju ima sljedeći matematički oblik:
\[ f(x | \mu, \sigma) = \frac{1}{\sigma \sqrt{2 \pi}} e^{ -\frac{(x-\mu)^2}{2\sigma^2} } \]
Ovdje:
– \( x \) je slučajna varijabla.
– \( \mu \) je srednja vrijednost distribucije.
– \( \sigma \) je standardna devijacija distribucije.
– \( e \) je baza prirodnog logaritma, približno 2.71828.
Gornja funkcija stvara simetričnu krivulju zvona. Integral ove funkcije između dvije točke daje vjerojatnost da se slučajna varijabla nalazi između te dvije vrijednosti.
## Standardna normalna distribucija
Standardna normalna distribucija je normalna distribucija sa srednjom vrijednošću (μ = 0) i standardnom devijacijom (σ = 1). Funkcija gustoće vjerojatnosti za standardnu normalnu distribuciju je:
\[ f(z) = \frac{1}{\sqrt{2 \pi}} e^{ -\frac{z^2}{2} } \]
Ovdje:
– \(z \) je slučajna varijabla koja slijedi standardnu normalnu distribuciju.
Standardna normalna distribucija često se koristi jer nam omogućuje standardizaciju drugih normalnih distribucija postupkom koji se naziva "standardizacija". Standardizacija uključuje transformaciju vrijednosti \(x \) normalne distribucije \(N(\mu, \sigma) \) u vrijednosti \(z \) standardne normalne distribucije \(N(0, 1) \), koristeći sljedeću formulu:
\[ z = \frac{x – \mu}{\sigma} \]
Ovaj proces olakšava usporedbu vrijednosti iz različitih normalnih distribucija mapiranjem na jednu skalu.
## Primjena i relevantnost
### 1. Centralni granični teorem
Normalna distribucija je posebno relevantna u kontekstu Centralnog graničnog teorema (CLT). CLT tvrdi da će dovoljno velik broj neovisnih slučajnih varijabli biti približno normalno distribuiran, bez obzira na oblik izvorne distribucije. To znači da se normalna distribucija može koristiti za aproksimaciju distribucije srednje vrijednosti uzorka, sve dok je uzorak dovoljno velik.
### 2. Statističko zaključivanje
Normalna distribucija omogućuje primjenu testova hipoteza, kao što su z-test i t-test. Obje metode koriste standardnu normalnu distribuciju za određivanje statističke značajnosti opaženih rezultata. Z-test se obično koristi kada je uzorak velik ili je standardna devijacija populacije poznata, dok se t-test primjenjuje kada je uzorak mali ili je standardna devijacija populacije nepoznata.
### 3. Regresijska analiza
U linearnoj regresijskoj analizi, pretpostavka da su podaci o pogreškama normalno distribuirani ključna je. Ova pretpostavka omogućuje izračun intervala pouzdanosti i testiranje značajnosti parametara regresijskog modela. Slično tome, otkrivanje pogrešaka u podacima ili outliera često se provodi ispitivanjem distribucije reziduala za značajna odstupanja od normalnosti.
### 4. Medicina i biologija
U medicini se normalna distribucija koristi za opisivanje distribucije različitih bioloških fenomena. Na primjer, visina, krvni tlak i određeni rezultati laboratorijskih testova često slijede normalnu distribuciju. To olakšava određivanje graničnih vrijednosti za medicinske dijagnoze.
### 5. Financije i ekonomija
U financijama se normalna distribucija koristi za modeliranje mnogih fenomena, kao što su prinosi dionica, kamatne stope i drugo. Iako u praksi dionice često pokazuju veću asimetriju i kurtozu, pretpostavka normalne distribucije i dalje pruža solidnu analitičku osnovu.
## Implementacija i izračun
### Korištenje Pythona
Python, s bibliotekama poput NumPy i SciPy, pruža nekoliko metoda za rad s normalnom distribucijom. Evo primjera kako možemo generalizirati i nacrtati normalnu distribuciju pomoću ovih biblioteka:
“`python
uvoz numpy kao np
uvesti matplotlib.pyplot kao plt
iz scipy.stats uvozne norme
# Parametri normalne distribucije
mu = 0 # srednja vrijednost
sigma = 1 # standardna devijacija
# Podaci za normalnu distribuciju
x = np.linspace(-5, 5, 1000)
y = norma.pdf(x, mu, sigma)
# Grafikon normalne distribucije
plt.plot(x, y)
plt.xlabel('x')
plt.ylabel('Gustoća')
plt.title('Normalna distribucija N(0, 1)')
plt.show ()
"`
U gornjem primjeru generirali smo podatke normalne distribucije sa srednjom vrijednošću 0 i standardnom devijacijom 1, a zatim smo nacrtali njezinu funkciju gustoće vjerojatnosti.
## Zaključak
Normalna distribucija igra ključnu ulogu u statistici i vjerojatnosti. Njena univerzalna upotreba, od Centralnog graničnog teorema do raznih praktičnih primjena poput regresijske analize i testiranja hipoteza, čini je jednom od najpopularnijih i najvažnijih distribucija vjerojatnosti. Razumijevanje formule normalne distribucije i načina njezine učinkovite upotrebe ključna je vještina za svakoga tko radi u znanosti o podacima, istraživanju, ekonomiji i mnogim drugim područjima.
S ovim znanjem možemo učinkovitije pristupiti i rješavati različite vrste analitičkih problema, što nam omogućuje donošenje boljih odluka na temelju dostupnih podataka i vjerojatnosti.
