Calculateur de Distribution Normale

Le Calculateur de Distribution Normale calcule les probabilités pour la distribution normale (gaussienne) — la distribution de probabilité continue la plus importante en statistique. Saisissez une moyenne (μ) et un écart type (σ) pour trouver la probabilité qu'une variable aléatoire soit inférieure à une valeur, supérieure à une valeur, entre deux valeurs, ou pour trouver un quantile spécifique. Les résultats incluent une visualisation interactive de la courbe en cloche avec la zone de probabilité ombrée, la conversion en score z et une répartition du calcul étape par étape.

Qu'est-ce que la distribution normale ?

La distribution normale, également appelée distribution gaussienne ou courbe en cloche, est une distribution de probabilité continue symétrique centrée sur sa moyenne (μ). Elle est entièrement décrite par deux paramètres :

• Moyenne (μ) — le centre de la distribution, où se produit le pic de la courbe en cloche.
• Écart type (σ) — contrôle la dispersion ; un σ plus grand produit une courbe plus large et plus plate.

De nombreux phénomènes naturels — tailles, scores d'examens, erreurs de mesure, scores de QI — suivent approximativement une distribution normale. Le Théorème Central Limite garantit que la moyenne d'un échantillon suffisamment grand provenant de n'importe quelle distribution converge vers une distribution normale, ce qui en fait le fondement des statistiques inférentielles.

La formule de la distribution normale

La Fonction de Densité de Probabilité (PDF) d'une distribution normale est :

La Fonction de Distribution Cumulative (CDF) donne la probabilité que X soit inférieur ou égal à x :

Le score z convertit n'importe quelle valeur de distribution normale en distribution normale standard (moyenne = 0, écart type = 1) :

Comment utiliser ce calculateur

1. Sélectionnez votre mode de calcul : Choisissez Queue gauche P(X ≤ x), Queue droite P(X ≥ x), Entre P(a ≤ X ≤ b), ou Inverse (trouver x à partir de la probabilité).
2. Saisissez les paramètres de distribution : Entrez la moyenne (μ) et l'écart type (σ). Pour la distribution normale standard, utilisez μ = 0 et σ = 1.
3. Saisissez vos valeurs spécifiques : Selon le mode, saisissez la valeur x, les bornes inférieure/supérieure ou la probabilité cible.
4. Consultez les résultats : Cliquez sur Calculer pour voir la probabilité, le score z, la courbe en cloche interactive avec zone ombrée et la répartition étape par étape.

Comprendre PDF, CDF et CDF inverse

• PDF (Fonction de Densité de Probabilité) : Donne la probabilité relative d'une valeur spécifique. Elle représente la hauteur de la courbe en cloche à un point donné. Pour les distributions continues, la PDF elle-même n'est pas une probabilité — les probabilités proviennent de l'intégration de la PDF sur un intervalle.
• CDF (Fonction de Distribution Cumulative) : Donne P(X ≤ x), la probabilité que la variable soit inférieure ou égale à une valeur donnée. Graphiquement, c'est l'aire sous la courbe à gauche de x. La CDF varie de 0 à 1.
• CDF inverse (Fonction Quantile) : L'inverse de la CDF — pour une probabilité p donnée, elle trouve la valeur x telle que P(X ≤ x) = p. Par exemple, la CDF inverse à p = 0,975 pour la normale standard donne x ≈ 1,96.

La règle 68-95-99,7

La règle empirique (également appelée règle des trois sigmas) fournit des estimations de probabilité rapides pour toute distribution normale :

Cela signifie qu'environ 68 % des valeurs se situent à moins d'un écart type de la moyenne, 95 % à moins de deux et presque toutes (99,7 %) à moins de trois. Les valeurs au-delà de 3σ sont extrêmement rares dans une distribution normale.

Table de référence courante des scores z

Applications courantes de la distribution normale

• Contrôle Qualité : Surveillance des processus de fabrication à l'aide de cartes de contrôle et de limites de spécification basées sur μ ± nσ.
• Tests d'Hypothèse : Détermination des valeurs p et des valeurs critiques pour les tests z et les intervalles de confiance.
• Tests Standardisés : Les scores SAT, GRE et de QI sont conçus pour suivre une distribution normale, permettant des comparaisons de centiles.
• Sciences Naturelles : Les erreurs de mesure, les traits biologiques (taille, poids) et de nombreuses quantités physiques sont normalement distribués.
• Finance : Le modèle Black-Scholes et la Valeur à Risque (VaR) supposent des rendements normalement distribués pour l'évaluation des options et l'évaluation des risques.

Foire Aux Questions

Qu'est-ce qu'une distribution normale ?

Une distribution normale (également appelée distribution gaussienne ou courbe en cloche) est une distribution de probabilité continue symétrique définie par sa moyenne et son écart type. C'est la distribution la plus importante en statistique car de nombreux phénomènes naturels la suivent approximativement, et le théorème central limite garantit que les moyennes d'échantillons convergent vers elle quelle que soit la distribution sous-jacente.

Qu'est-ce qu'un score z et comment est-il utilisé ?

Un score z mesure le nombre d'écarts types d'une valeur par rapport à la moyenne. Il est calculé comme z = (x − μ) / σ. Les scores z vous permettent de comparer des valeurs provenant de différentes distributions normales en les convertissant en distribution normale standard (moyenne = 0, écart type = 1). Un score z de 1,96 correspond au 97,5e centile.

Quelle est la différence entre PDF et CDF ?

La PDF (Fonction de Densité de Probabilité) donne la probabilité relative d'une valeur spécifique, représentant la hauteur de la courbe en cloche à ce point. La CDF (Fonction de Distribution Cumulative) donne la probabilité qu'une variable aléatoire soit inférieure ou égale à une valeur spécifique, représentant l'aire sous la courbe à gauche de ce point. La CDF varie toujours de 0 à 1.

Quelle est la règle 68-95-99,7 ?

La règle 68-95-99,7 (également appelée règle empirique ou règle des trois sigmas) stipule que pour une distribution normale, environ 68,27 % des valeurs se situent à moins d'un écart type de la moyenne, 95,45 % à moins de deux écarts types et 99,73 % à moins de trois écarts types. Cette règle aide à estimer rapidement les probabilités sans calculs détaillés.

Comment trouver la probabilité entre deux valeurs ?

Pour trouver la probabilité entre deux valeurs a et b dans une distribution normale, calculez P(a ≤ X ≤ b) = CDF(b) − CDF(a). Convertissez d'abord les deux valeurs en scores z en utilisant z = (x − moyenne) / écart type, puis recherchez ou calculez la CDF pour chaque score z et soustrayez. Ce calculateur automatise ce processus dans le mode Entre.