נוסחת התפלגות נורמלית בסטטיסטיקה

# נוסחת התפלגות נורמלית בסטטיסטיקה

ההתפלגות הנורמלית, המכונה גם התפלגות גאוסית או עקומת פעמון, היא אחד המושגים הבסיסיים ביותר בסטטיסטיקה. קיומה נחשב לעתים קרובות לבסיס של ניתוחים סטטיסטיים והסתברותיים שונים. התפלגות זו משמשת לעתים קרובות לא רק בתיאוריה אלא גם ביישומים מעשיים שונים, כגון ניהול סיכונים פיננסיים, מדעי החברה, רפואה ועוד.

## הגדרת התפלגות נורמלית

התפלגות נורמלית היא התפלגות הסתברות רציפה סימטרית לגבי הממוצע שלה. במילים אחרות, גרף גרפי של התפלגות זו ייצור עקומת פעמון המתרחבת בממוצע וצרה בזנבות. להתפלגות זו שני פרמטרים עיקריים: הממוצע (μ) וסטיית התקן (σ).

הממוצע קובע את מיקום מרכז ההתפלגות, בעוד שסטיית התקן מודדת את פיזור הנתונים סביב הממוצע. ככל שסטיית התקן גדולה יותר, עקומת ההתפלגות רחבה וקצרה יותר; ככל שסטיית התקן קטנה יותר, עקומת ההתפלגות צרה ותלולה יותר.

פונקציית צפיפות ההסתברות

פונקציית צפיפות ההסתברות (pdf) עבור ההתפלגות הנורמלית היא בעלת הצורה המתמטית הבאה:

[ f(x | μ, סיגמא) = \frac{1}{\sigma 2 π} e^{ -\frac{(x - μ)^2}{2\sigma^2} } ]

כָּאן:
– \(x \) הוא משתנה אקראי.
– \( \mu \) הוא ממוצע ההתפלגות.
– \( \sigma \) היא סטיית התקן של ההתפלגות.
– \(e \) הוא בסיס הלוגריתם הטבעי, בקירוב 2.71828.

הפונקציה הנ"ל יוצרת עקומת פעמון סימטרית. האינטגרל של פונקציה זו בין שתי נקודות נותן את ההסתברות שהמשתנה האקראי נמצא בין שני ערכים אלה.

## התפלגות נורמלית סטנדרטית

ההתפלגות הנורמלית הסטנדרטית היא התפלגות נורמלית עם ממוצע \( \mu = 0 \) וסטיית תקן \( \sigma = 1 \). פונקציית צפיפות ההסתברות עבור ההתפלגות הנורמלית הסטנדרטית היא:

\[ f(z) = \frac{1}{\sqrt{2 \pi}} e^{ -\frac{z^2}{2} } \]

כָּאן:
– \(z \) הוא משתנה אקראי העוקב אחר התפלגות נורמלית סטנדרטית.

ההתפלגות הנורמלית הסטנדרטית משמשת לעתים קרובות משום שהיא מאפשרת לנו לתקנן התפלגויות נורמליות אחרות באמצעות תהליך הנקרא "סטנדרטיזציה". סטנדרטיזציה כרוכה בהמרת הערכים \(x \) של ההתפלגות הנורמלית \(N(μu, \sigma) \) לערכים \(z \) של ההתפלגות הנורמלית הסטנדרטית \(N(0, 1) \), באמצעות הנוסחה הבאה:

\[ z = \frac{x – \mu}{\sigma} \]

תהליך זה מקל על השוואת ערכים מהתפלגויות נורמליות שונות על ידי מיפוים לסולם יחיד.

## יישום ורלוונטיות

### 1. משפט הגבול המרכזי

ההתפלגות הנורמלית רלוונטית במיוחד בהקשר של משפט הגבול המרכזי (CLT). משפט הגבול המרכזי קובע שמספר מספיק גדול של משתנים אקראיים בלתי תלויים יתפלגו בצורה נורמלית בקירוב, ללא קשר לצורת ההתפלגות המקורית. משמעות הדבר היא שניתן להשתמש בהתפלגות הנורמלית כדי לקרב את התפלגות ממוצע המדגם, כל עוד המדגם גדול מספיק.

### 2. הסקה סטטיסטית

ההתפלגות הנורמלית מאפשרת יישום של מבחני השערה, כגון מבחן z ומבחן t. שתי השיטות משתמשות בהתפלגות הנורמלית הסטנדרטית כדי לקבוע את המובהקות הסטטיסטית של התוצאות הנצפות. מבחן z משמש בדרך כלל כאשר גודל המדגם גדול או שסטיית התקן של האוכלוסייה ידועה, בעוד שמבחן t מיושם כאשר גודל המדגם קטן או שסטיית התקן של האוכלוסייה אינה ידועה.

### 3. ניתוח רגרסיה

בניתוח רגרסיה לינארית, ההנחה שנתוני השגיאה מתפלגים נורמלית היא קריטית. הנחה זו מאפשרת חישוב רווחי סמך ובדיקת מובהקות של פרמטרי מודל הרגרסיה. באופן דומה, גילוי שגיאות נתונים או חריגים נעשה לעתים קרובות על ידי בחינת התפלגות השארית לאיתור סטיות משמעותיות מהנורמליות.

### 4. רפואה וביולוגיה

ברפואה, ההתפלגות הנורמלית משמשת לתיאור התפלגותן של תופעות ביולוגיות שונות. לדוגמה, גובה, לחץ דם ותוצאות בדיקות מעבדה מסוימות עוקבות לעתים קרובות אחר התפלגות נורמלית. זה מקל על קביעת ערכי סף לאבחנות רפואיות.

### 5. מימון וכלכלה

במימון, ההתפלגות הנורמלית משמשת למידול תופעות רבות, כגון תשואות מניות, ריביות ועוד. למרות שבפועל, מניות לעיתים קרובות מציגות הטיה וקורטוזיס גבוהות יותר, ההנחה של התפלגות נורמלית עדיין מספקת בסיס אנליטי מוצק.

## יישום וחישוב

### שימוש בפייתון

פייתון, עם ספריות כמו NumPy ו-SciPy, מספקת מספר שיטות לעבודה עם התפלגות נורמלית. הנה דוגמה כיצד ניתן להכליל ולשרטט את ההתפלגות הנורמלית באמצעות ספריות אלו:

"`פיתון
ייבא numpy כ- np
יבוא matplotlib.pyplot כ- plt
מ- scipy.stats ייבוא ​​נורמה

# פרמטרים של התפלגות נורמלית
mu = 0 # ממוצע
סיגמא = 1 # סטיית תקן

# נתונים להתפלגות נורמלית
x = np.linspace(-5, 5, 1000)
y = norm.pdf(x, mu, sigma)

# גרף התפלגות נורמלית
plt.plot(x, y)
plt.xlabel('x')
plt.ylabel('צפיפות')
plt.title('התפלגות נורמלית N(0, 1)')
plt.show ()
""

בדוגמה שלעיל, יצרנו נתוני התפלגות נורמלית עם ממוצע 0 וסטיית תקן 1, ולאחר מכן שרטטנו את פונקציית צפיפות ההסתברות שלה.

## סיכום

להתפלגות הנורמלית תפקיד מכריע בסטטיסטיקה ובהסתברות. השימוש האוניברסלי בה, החל ממשפט הגבול המרכזי ועד ליישומים מעשיים שונים כגון ניתוח רגרסיה ובדיקת השערות, הופך אותה לאחת מהתפלגויות ההסתברות הפופולריות והחשובות ביותר. הבנת נוסחת ההתפלגות הנורמלית וכיצד להשתמש בה ביעילות היא מיומנות חיונית לכל מי שעובד במדעי הנתונים, מחקר, כלכלה ותחומים רבים אחרים.

בעזרת ידע זה, נוכל לגשת ולפתור סוגים שונים של בעיות אנליטיות בצורה יעילה יותר, מה שיאפשר לנו לקבל החלטות טובות יותר על סמך הנתונים וההסתברויות הזמינים.