Calculateur de probabilité normale

Qu'est-ce que le calculateur de probabilité normale ?

Ce calculateur trouve les probabilités de la distribution normale (gaussienne) avec n'importe quelle moyenne et écart type. Contrairement au tableau Z, qui ne gère que la normale standard N(0,1), celui-ci gère toute distribution normale N(μ, σ).

Donné : Moyenne (μ), écart type (σ), et une valeur ou plage Retourne : La probabilité qu'une variable normalement distribuée se situe dans cette plage

Types de calculs de probabilité

P(X < x) : Queue inférieure

« Quelle est la probabilité d'obtenir un score inférieur à 85 ? »

Donné X ~ N(70, 12) : P(X < 85) = ?

P(X > x) : Queue supérieure

« Quelle est la probabilité d'obtenir un score supérieur à 85 ? »

P(X > 85) = 1 - P(X < 85)

P(a < X < b) : Entre deux valeurs

« Quelle est la probabilité d'obtenir un score entre 65 et 75 ? »

P(65 < X < 75) = P(X < 75) - P(X < 65)

Comment ça fonctionne

Standardisation

Tout problème normal se convertit en normal standard :

$z = \frac{x - \mu}{\sigma}$

Puis utilisez la fonction de distribution cumulative (FDC) normale standard.

Exemple

Les tailles suivent N(170, 8) cm. Quelle est P(taille < 180) ?

z = (180 - 170) / 8 = 1,25 P(Z < 1,25) = 0,894

Environ 89,4% des personnes mesurent moins de 180 cm.

Applications

Contrôle qualité

« Les boulons ont un diamètre N(10mm, 0,1mm). Quelle fraction se situe hors de 9,8-10,2mm ? »

P(X < 9,8) + P(X > 10,2) = P(|X - 10| > 0,2)

C'est le taux de rejet.

Notation de tests

« Les scores SAT suivent N(1060, 195). Quel score est au 90e percentile ? »

Trouvez x où P(X < x) = 0,90 (C'est le problème inverse—utilisez le calculateur normal inverse)

Évaluation des risques

« Les rendements annuels suivent N(8%, 15%). Quelle est la probabilité d'une perte ? »

P(X < 0%) = ?

Capacité du processus

« La moyenne du processus est 50, ET est 2. Les spécifications sont 45-55. Quel est le taux de défaut ? »

P(X < 45) + P(X > 55) = fraction hors spécifications

Biologie et médecine

« Pression artérielle N(120, 10). Quelle proportion est 'élevée' (>140) ? »

P(X > 140) = P(Z > 2) ≈ 0,023

Environ 2,3% de cette population a une pression artérielle élevée.

La distribution normale

La distribution normale est caractérisée par :

• Moyenne (μ) : Centre de la distribution
• Écart type (σ) : Dispersion
• Courbe en cloche : Symétrique autour de la moyenne
• Probabilité par aire : Aire totale = 1

La fonction de densité de probabilité :

$f(x) = \frac{1}{\sqrt{2\pi\sigma^2}} \exp\left[-\frac{(x-\mu)^2}{2\sigma^2}\right]$

Vous avez rarement besoin de cette formule—le calculateur s'en charge.

Propriétés clés

Symétrie

$P(X < \mu - a) = P(X > \mu + a)$

Les queues sont des images miroir.

La règle 68-95-99,7

• $P(\mu - \sigma < X < \mu + \sigma) \approx 0,68$
• $P(\mu - 2\sigma < X < \mu + 2\sigma) \approx 0,95$
• $P(\mu - 3\sigma < X < \mu + 3\sigma) \approx 0,997$

Transformations linéaires

Si X ~ N(μ, σ), alors :

• aX + b ~ N(aμ + b, |a|σ)

La mise à l'échelle et le décalage des variables normales préservent la normalité.

Somme de normales

Si $X \sim N(\mu_1, \sigma_1)$ et $Y \sim N(\mu_2, \sigma_2)$ sont indépendantes :

$X + Y \sim N(\mu_1 + \mu_2, \sqrt{\sigma_1^2 + \sigma_2^2})$

Développement historique

Abraham de Moivre (1733) a découvert la courbe normale en approximant les distributions binomiales.

Carl Friedrich Gauss (1809) l'a appliquée aux erreurs de mesure en astronomie, lui donnant le nom de « distribution gaussienne ».

Pierre-Simon Laplace a développé la théorie plus avant, la reliant au théorème central limite.

Adolphe Quetelet (1835) a appliqué la distribution normale aux mesures humaines, l'établissant comme modèle par défaut pour la variation biologique.

Quand la normale s'applique-t-elle ?

La distribution normale décrit souvent :

• Mesures physiques (tailles, poids)
• Erreurs de mesure
• Scores de QI et tests standardisés
• Nombreux phénomènes naturels

Elle peut NE PAS s'appliquer quand :

• Les données sont bornées (pourcentages, comptages)
• La distribution est asymétrique (revenus, temps de réaction)
• Il existe des queues lourdes (rendements financiers)

Les calculateurs de asymétrie et aplatissement aident à évaluer la normalité.

Théorème central limite

Même lorsque les données individuelles ne sont pas normales, les moyennes d'échantillon tendent vers la normalité :

Si $X_1, X_2, \ldots, X_n$ sont indépendantes avec moyenne $\mu$ et ET $\sigma$ :

$\bar{X} \sim N\left(\mu, \frac{\sigma}{\sqrt{n}}\right)$ (approximativement, pour grand n)

Cela justifie l'utilisation de probabilités normales pour l'inférence même avec des données non normales, pour une taille d'échantillon adéquate.

Relation avec d'autres distributions

Normale standard : N(0,1) est le cas spécial μ=0, σ=1

Lognormale : Si log(X) ~ Normale, alors X est lognormale

Khi-deux : Somme de normales standard au carré

t de Student : Normale standard divisée par √(χ²/df)

Distribution F : Rapport de khi-deux

Méthodes de calcul

La FDC normale n'a pas de solution en forme fermée—elle nécessite une intégration numérique ou une approximation. Les calculateurs modernes utilisent :

• Développements en série de Taylor
• Approximations de fonctions rationnelles
• Fractions continues

La fonction d'erreur (erf) est mathématiquement équivalente à la FDC normale.

Calculs associés

• Calculateur de tableau Z — Normale standard uniquement
• Calculateur de score Z — Convertir en scores z
• Calculateur normal inverse — Trouver la valeur à partir de la probabilité
• Calculateur de valeur p à partir du score Z — Tests d'hypothèse
• Calculateur de probabilité binomiale — Alternative discrète

Résumé

Le calculateur de probabilité normale trouve les probabilités de toute distribution normale en spécifiant la moyenne, l'écart type et la ou les valeurs d'intérêt. Du contrôle qualité à la notation de tests à l'évaluation des risques, les probabilités normales répondent aux questions sur quelle fraction d'une population se situe dans des plages spécifiées. Le calculateur gère la standardisation sous-jacente et l'intégration numérique, fournissant des résultats de probabilité immédiats pour toute distribution normale.