distribuzione normale mappa concettuale

Approfondisci

La distribuzione normale, o gaussiana, è una distribuzione di probabilità continua a forma di campana, simmetrica attorno alla media. Descrive molti fenomeni naturali e sociali, come altezze, errori di misura e punteggi dei test. La mappa illustra la funzione di densità, la regola empirica dei deviati standard, la standardizzazione tramite la variabile z e le applicazioni pratiche in statistica inferenziale, controllo qualità e finanza.

Perché la curva è a campana
La forma a campana nasce dal fatto che nella distribuzione normale i valori vicini alla media sono molto più frequenti di quelli estremi. La simmetria implica che la probabilità di osservare un valore sopra la media equivale a quella di osservarne uno sotto, e la densità decresce rapidamente man mano che ci si allontana dal centro. Questo comportamento descrive bene molte misure biologiche, come l'altezza in una popolazione, dove la maggior parte delle persone si colloca attorno al valore medio e gli individui molto alti o molto bassi sono rari. Non tutti i fenomeni seguono però questo schema: i redditi, ad esempio, sono tipicamente asimmetrici a destra e si modellano meglio con distribuzioni log-normali.

La regola empirica in pratica
La regola 68-95-99,7 è uno strumento rapido per interpretare una distribuzione normale senza calcoli complessi. Se l'altezza media di una popolazione è 170 cm con deviazione standard di 8 cm, circa il 68% delle persone misura tra 162 e 178 cm, e circa il 95% tra 154 e 186 cm. Valori oltre tre deviazioni standard sono così rari da destare sospetto di errore di misura o di anomalia. Attenzione però: la regola vale solo se la distribuzione è effettivamente normale. Applicarla a dati asimmetrici o con code pesanti, come alcuni rendimenti finanziari, porta a sottostimare la probabilità di eventi estremi.

Standardizzazione e tavole normali
Standardizzare un valore significa trasformarlo in un punteggio z, che indica di quante deviazioni standard si discosta dalla media. Questo passaggio è utile perché tutte le distribuzioni normali, una volta standardizzate, coincidono con la normale standard, che ha media zero e deviazione standard uno. Grazie a questa proprietà, le tavole della normale standard permettono di calcolare probabilità per qualsiasi distribuzione normale. Ad esempio, un voto di 75 in un esame con media 65 e deviazione 10 corrisponde a z = 1, e le tavole indicano che circa l'84% dei candidati ha ottenuto un risultato uguale o inferiore.

Il ruolo del teorema del limite centrale
Il teorema del limite centrale spiega perché la distribuzione normale è così diffusa in statistica: quando si sommano o si mediano molte variabili casuali indipendenti, la distribuzione delle medie campionarie tende a una normale, qualunque sia la distribuzione delle variabili di partenza. Questo giustifica l'uso di intervalli di confidenza e test statistici basati sulla normale, a condizione che i campioni siano abbastanza ampi e le osservazioni indipendenti. Con campioni piccoli o dati fortemente asimmetrici l'approssimazione può essere scarsa, e in questi casi si preferiscono distribuzioni come la t di Student o metodi non parametrici.