Explorateur de la Loi Normale
probabilité de la courbe en cloche — interactif en temps réel
la règle 68–95–99,7 🖖
Ces pourcentages ne sont pas des approximations arrondies — ils découlent directement de l'intégrale gaussienne, chacun étant l'aire sous e^(−z²/2) entre ±1, ±2 et ±3 écarts-types, exactement ce que calculent les étapes de la fonction d'erreur ci-dessous. Les physiciens empruntent cette échelle pour leurs seuils de « découverte » : l'annonce du boson de Higgs en 2012 exigeait une preuve à 5σ, soit un taux de faux positifs unilatéral d'environ 1 sur 3,5 millions, précisément parce qu'un signal réel doit franchir une barre aussi haute avant d'être jugé plus fiable que le bruit statistique. Cette règle explique aussi pourquoi les événements « improbables » ne sont pas si rares dans de grands jeux de données — avec un million de mesures indépendantes, on doit s'attendre à ce qu'une poignée dépasse ±5σ par pur hasard, ce qui est précisément le piège que le seuil de 5σ vise à éviter.
Pourquoi l’aire compte, pas la hauteur 🖖
La courbe en cloche représente la densité de probabilité, et non la probabilité elle-même : la hauteur en un point isolé ne dit donc presque rien. Ce qui compte, c’est l’aire : la bande ombrée entre x₁ et x₂ est la probabilité qu’une valeur tombe dans cet intervalle, et la courbe entière enferme toujours une aire d’exactement 1. Déplacer μ décale le sommet à gauche ou à droite ; augmenter σ aplatit et élargit la courbe, mais cette aire totale ne change jamais.
La courbe en cloche imprimée sur un billet 🖖
La courbe fut assez célèbre pour figurer sur de l’argent : le billet allemand de 10 marks, en circulation de 1991 à 2001, montrait Carl Friedrich Gauss aux côtés de cette courbe même et de sa formule f(x). Fort à propos, car il l’avait affinée en modélisant les erreurs de mesure en astronomie. Pourtant, Abraham de Moivre en avait dérivé la forme dès 1733, des décennies avant la naissance de Gauss — un cas d’école de la loi de Stigler, qui plaisante en disant que rien ne porte le nom de son véritable découvreur.
Exemples de problèmes
- Normale standard - Le cas de référence — μ = 0, σ = 1. σ = 1 signifie que les valeurs s'écartent typiquement d'1 unité de la moyenne. Le graphique affiche toujours μ ± 4,5σ — ici de −4,5 à +4,5 — pour couvrir 99,999 % de la distribution. Toute distribution normale peut être réduite à cette échelle. Faites glisser les curseurs pour voir comment μ déplace la courbe et σ l'étire ou la rétrécit.
- QI - Les tests de QI sont normés pour que la population soit en moyenne à 100 — et σ = 15 signifie que les scores individuels varient typiquement d'environ 15 points autour de la moyenne. Le graphique s'étend de 33 à 168 environ (μ ± 4,5σ = 100 ± 67,5) : les scores au-delà de ±3σ (en dessous de 55 ou au-dessus de 145) existent mais sont rares — environ 1 personne sur 750. Essayez ±2σ pour voir à quel point les scores extrêmes sont rares.
- Tailles - La taille des adultes suit de près une distribution normale dans de nombreuses populations. σ = 10 cm signifie que les tailles individuelles varient typiquement d'environ 10 cm autour de la moyenne. Le graphique s'étend de 125 à 215 cm (μ ± 4,5σ = 170 ± 45) — les tailles au-dessus de 200 cm existent mais sont peu communes, touchant environ 1 personne sur 750. La bande ombrée (160–180 cm) représente ce que la plupart appellent une taille « moyenne ».
- Notes d'examen - Une classe avec une moyenne de 65. σ = 12 signifie que les notes individuelles varient typiquement d'environ 12 points autour de la moyenne. Le graphique s'étend d'environ 11 à 119 (μ ± 4,5σ = 65 ± 54) et dépasse 100 — une courbe normale n'a pas de plafond fixe ; ces queues au-delà de 100 sont très plates et représentent des résultats rares. Ajustez x₁ et x₂ sur n'importe quelle plage de notes pour voir quel pourcentage d'élèves s'y trouve.