En klockkurva ger en person som studerar ett faktum ett exempel på en normal fördelning av observationer. Kurvan kallas också Gauss-kurvan efter den tyska matematikern Carl Friedrich Gauss, som upptäckte många av kurvens egenskaper. En grafisk kurva approximerar intervallet och räknar med många faktiska observationer av fakta som finns i naturen och i det civila samhället, såsom vikt och utbildningsprestanda.
Välj det faktum du vill ha en normal sannolikhetsfördelning för. Tänk på hur exemplet med normala händelser hjälper dig att komma till en slutsats. Lös de avgörande frågorna om ditt faktum. Är en normal viktfördelning användbar för att studera vikterna i en medicinsk patientpopulation? Eller är befolkningen för ovanlig eller onormal för att använda en normal kurva?
Gör en datamängd för dina observationer du planerar att kartlägga. Ta bort faktumet som ett numeriskt värde för varje ämne. Tilldela varje ämne ett nummer och märk observationen \ "x underämnesnummer. \" Ordna \ "x \" -värdena från lägsta till högsta. Tilldela varje ämne ett andra nummer, observationsvärdets ordernummer och märk dessa observationer \ "x underordernummer. \"
Tilldela nummerintervallet för de numeriska värdena med den lägsta observationen till den högsta observationen.
Använd klockkurvformeln för att beräkna y-axelvärdet för varje x-axelvärde. Klockkurvformeln är y = (e ^ (? - x? ^ 2/2)) /? 2?. Y är antalet observationer för ett x-värde. X är ett observerat värde. Använd x-underordernumret för beräkningsordningen och listningsordningen. Gör en tabell med x-värden och motsvarande y-värden.
Rita klockan för ditt faktum. Använd grafpapper för att ordna ett diagram med en x-axel och en y-axel. Rita axelområdet för att börja med ditt lägsta värde och slut på ditt högsta värde. Börja y-axeln vid 0, utan några observationer, och avsluta med det största antalet potentiella observationer för något x-värde. De största potentiella observationerna är det högsta antalet du tror att du kan hitta för ditt faktum; till exempel det högsta antalet manliga patienter med en vikt på 180 pund.
När du vill jämföra dina observerade fakta med en normalfördelning, se en graf över dina observationer och den normala kurvan du ritade. Jämför hur de faktiska observationerna faller inom områdena inom en standardavvikelse av medelvärdet. När du har en bra datamängd för en normal befolkning faller 90 procent av dina observationer inom 1,65 standardavvikelser, till vänster och höger om normalkurvans medelvärde. Skillnader från den normala kurvan säger att din befolkning är över genomsnittet, när medelvärdet för de faktiska observationerna är till höger eller under genomsnittet, när ditt observerade medelvärde är till vänster.