ベルカーブは、事実を研究している人に、観測値の正規分布の例を示します。 この曲線は、曲線の特性の多くを発見したドイツの数学者カールフリードリヒガウスにちなんでガウス曲線とも呼ばれます。 グラフ化された曲線は、体重や教育パフォーマンスなど、自然や市民社会に存在する事実の多くの実際の観察の範囲とカウントを概算します。
正規確率分布が必要な事実を選択します。 通常の発生の例がどのように結論を出すのに役立つかを考えてください。 あなたの事実についての決定的な質問を解決してください。 通常の体重分布は、医療患者集団の体重を研究するのに役立ちますか？ または、母集団が異常または異常すぎて正規曲線を使用できませんか？
グラフ化する予定の観測値のデータセットを作成します。 主題ごとに、事実を数値として取り除いてください。 各サブジェクトに番号を割り当て、観測値に「xサブサブジェクト番号」というラベルを付けます。「x」の値を低いものから高いものの順に並べます。 各サブジェクトに2番目の番号、観測値の注文番号を割り当て、これらの観測に「xサブ注文番号」というラベルを付けます。
最も低い観測値から最も高い観測値を使用して、数値の番号範囲を割り当てます。
ベル曲線の式を使用して、各x軸値のy軸値を計算します。 ベル曲線の式はy =（e ^（？-x？^ 2/2））/？2？です。 Yは、x値の観測数です。 xは観測値です。 計算順序とリスト順序には、xサブ注文番号を使用します。 x値と対応するy値のテーブルを作成します。
あなたの事実のためにベル曲線をグラフ化してください。 方眼紙を使用して、x軸とy軸でグラフを配置します。 軸の範囲を描画して、最小値で開始し、最大値で終了します。 観測値がない場合はy軸を0から開始し、任意のx値の潜在的な観測値の最大数で終了します。 最大の潜在的な観察は、あなたがあなたの事実のために見つけることができるとあなたが信じる最大の数です。 たとえば、体重が180ポンドの男性患者の最大数。
観測された事実を正規分布と比較する場合は、観測のグラフとグラフ化した正規曲線を表示します。 実際の観測値が平均の1標準偏差内の領域にどのように収まるかを比較します。 正規母集団に対して適切なデータセットがある場合、観測値の90％は、正規曲線平均の左右の1.65標準偏差内に収まります。 正規曲線との違いは、実際の観測値の平均が右にある場合は母集団が平均を上回っており、観測された平均が左にある場合は平均を下回っていることを示しています。