loi normale carte mentale
Importez un document ou indiquez un sujet pour organiser vos idées avec CogniGuide.
Aucune carte bancaire requise
Aperçu généré par l’IA
Trusted by learners from top universities
Vos notes, votre carte mentale
Du document à la carte
Transformez vos notes en structure visuelle sans partir d’une page blanche.
Des notions reliées
Explorez les branches pour suivre les liens entre les idées principales et les détails.
Un support de révision
Utilisez la carte pour vous repérer dans le sujet et revenez à vos notes pour approfondir.
Créez une carte avec l’IA
- 1
Importez vos notes
Importez un PDF, un document ou une image, ou indiquez un sujet.
- 2
Générez la carte
L’IA organise le contenu en branches et en liens à explorer.
- 3
Révisez et partagez
Révisez les notions et partagez la carte. Les exports nécessitent une offre payante.
Comprendre le sujet
La loi normale, ou distribution de Gauss, est une loi de probabilité continue en forme de cloche, symétrique autour de sa moyenne. Elle modélise de nombreux phénomènes naturels et sociaux, comme les tailles ou les erreurs de mesure. Cette ressource présente ses propriétés essentielles, la règle empirique des 68-95-99,7, la standardisation en loi normale centrée réduite, le théorème central limite et les principales applications pratiques en statistiques.
Pourquoi la loi normale est-elle si répandue ?
La loi normale occupe une place centrale en statistiques principalement grâce au théorème central limite : la somme d'un grand nombre de variables aléatoires indépendantes, même de lois différentes, se rapproche d'une distribution normale sous des conditions raisonnables. Cela explique pourquoi des grandeurs comme la taille, le poids ou les erreurs de mesure suivent souvent une forme de cloche. Attention toutefois : ce résultat est une approximation, et certaines grandeurs, comme les revenus, sont nettement asymétriques et mieux décrites par d'autres lois.
Standardisation et table de la loi normale
Pour calculer une probabilité avec une loi normale quelconque, on transforme d'abord la variable X en Z = (X − μ) / σ. Cette nouvelle variable suit la loi normale centrée réduite, de moyenne 0 et d'écart-type 1. On lit ensuite la probabilité dans la table de la fonction de répartition Φ. Par exemple, pour une loi de moyenne 12 et d'écart-type 2, la valeur 16 correspond à Z = 2, donc une probabilité cumulée d'environ 0,977. Ce procédé évite de mémoriser une table par couple de paramètres.
Distinguer loi normale et autres distributions
Toute distribution en cloche n'est pas exactement normale, et toute moyenne n'est pas gaussienne. La loi binomiale, discrète, peut être approchée par une loi normale quand n est grand et p proche de 0,5, avec une correction de continuité. La loi de Poisson modélise des événements rares sur un intervalle. Les distributions asymétriques, comme celles des durées de vie ou des revenus, exigent d'autres modèles. Avant d'appliquer la loi normale, il faut donc examiner la forme des données et la plausibilité du modèle.
Sujets associés
Questions de révision
Que signifient les paramètres μ et σ d'une loi normale ?
μ est la moyenne : elle indique le centre de la courbe en cloche, où la densité est maximale. σ est l'écart-type : il mesure la dispersion, donc la largeur de la cloche. Une σ petite donne une courbe étroite et concentrée, une σ grande une courbe étalée. La forme générale reste identique pour tous les couples de paramètres.
Comment calculer P(X > 10) pour une loi normale de moyenne 8 et d'écart-type 2 ?
On standardise : Z = (10 − 8) / 2 = 1. La table donne Φ(1) ≈ 0,841, qui correspond à P(Z ≤ 1). Comme P(X > 10) = 1 − P(X ≤ 10), on obtient environ 0,159. Environ 16 % des valeurs dépassent donc 10, ce que confirme la règle empirique : environ 16 % des données se situent au-delà de μ + σ.
La taille humaine suit-elle exactement une loi normale ?
Non, c'est une approximation utile mais imparfaite. Les tailles d'un grand groupe homogène, par sexe et par population, ressemblent à une cloche, ce qui justifie le modèle. Mais la distribution réelle peut être légèrement asymétrique et dépend du groupe étudié. La loi normale sert de modèle raisonnable pour estimer des proportions, à condition de vérifier que les données s'en rapprochent suffisamment.