Колоколообразная кривая дает человеку, изучающему факт, пример нормального распределения наблюдений. Кривая также называется гауссовой кривой в честь немецкого математика Карла Фридриха Гаусса, который открыл многие свойства кривой. Графическая кривая аппроксимирует диапазон и учитывает многие фактические наблюдения фактов, существующих в природе и в гражданском обществе, таких как вес и успеваемость.
Выберите факт, для которого требуется нормальное распределение вероятностей. Подумайте, как пример нормальных событий поможет вам прийти к заключению. Разрешите решающие вопросы о вашем факте. Полезно ли нормальное распределение веса для изучения веса среди медицинских пациентов? Или популяция слишком необычна или ненормальна для использования нормальной кривой?
Составьте набор данных для ваших наблюдений, которые вы планируете нанести на карту. Для каждого предмета запишите факт в виде числового значения. Присвойте каждому субъекту номер и пометьте наблюдение \ "x номер суб-субъекта \". Расположите значения \ "x \" от наименьшего к наибольшему. Присвойте каждому субъекту второй номер, порядковый номер значения наблюдения и пометьте эти наблюдения \ "x номер подзаказа \".
Назначьте числовой диапазон для числовых значений, используя самое низкое наблюдение для самого высокого наблюдения.
Используйте формулу колоколообразной кривой, чтобы вычислить значение оси y для каждого значения оси x. Формула кривой колокола: y = (e ^ (? - x? ^ 2/2)) /? 2?. Y - количество наблюдений для значения x. X - наблюдаемое значение. Используйте номер дополнительного заказа x для порядка расчета и порядка списка. Составьте таблицу значений x и соответствующих значений y.
Постройте график колоколообразной кривой для вашего факта. Используя миллиметровую бумагу, расположите график с осью x и осью y. Нарисуйте диапазон оси, чтобы он начинался с самого низкого значения и заканчивался максимальным значением. Начните ось y с 0, если нет наблюдений, и закончите на наибольшем количестве потенциальных наблюдений для любого значения x. Наибольшие потенциальные наблюдения - это наибольшее число, которое, по вашему мнению, вы можете найти для подтверждения своего факта; например, наибольшее количество пациентов мужского пола с весом 180 фунтов.
Если вы хотите сравнить наблюдаемые факты с нормальным распределением, просмотрите график ваших наблюдений и нормальную кривую, которую вы построили. Сравните, как фактические наблюдения попадают в области в пределах одного стандартного отклонения от среднего. Когда у вас есть хороший набор данных для нормальной популяции, 90 процентов ваших наблюдений находятся в пределах 1,65 стандартных отклонений слева и справа от среднего значения нормальной кривой. Различия по нормальной кривой говорят вам, что ваша популяция выше среднего, когда среднее значение фактических наблюдений находится справа, или ниже среднего, когда ваше наблюдаемое среднее значение находится слева.