2) с двумя максимумами
3) логарифмической зависимости
4) прямой, проходящей через начало координат
Нормальное распределение вероятностей графически представляется симметричной колоколообразной гауссовской кривой. Ее вершина соответствует среднему арифметическому значению, которое при идеальном нормальном распределении совпадает с медианой и модой. По мере удаления от центра частота наблюдений закономерно уменьшается, а правая и левая ветви кривой асимптотически приближаются к оси абсцисс.
Форма распределения определяется двумя параметрами: математическим ожиданием, задающим положение центра, и стандартным отклонением, характеризующим разброс данных. Около 68,3% наблюдений располагаются в пределах одного стандартного отклонения от среднего, 95,4% — в пределах двух, а 99,7% — в пределах трех стандартных отклонений. Этот принцип используется в клинической лабораторной диагностике при установлении референтных интервалов, оценке аналитической вариации и применении статистических правил контроля качества.
Наличие двух максимумов указывает на бимодальное распределение и может отражать смешение двух статистически различающихся групп, например пациентов разных возрастных или физиологических категорий. Логарифмическая зависимость и прямая линия описывают функциональные отношения между величинами, но не характер распределения частот случайной непрерывной переменной. Следовательно, именно гауссовская кривая соответствует классической модели нормального распределения.
| Признак | Нормальное распределение | Диагностическое значение |
|---|---|---|
| Форма графика | Симметричная колоколообразная кривая | Большинство результатов сосредоточено около среднего значения |
| Число максимумов | Один максимум | Два пика предполагают неоднородность выборки или смешение популяций |
| Центральные показатели | Среднее, медиана и мода совпадают | Расхождение показателей может свидетельствовать об асимметрии распределения |
| Параметры | Математическое ожидание и стандартное отклонение | Определяют положение центра и степень разброса результатов |
| Интервал ±1 SD | Около 68,3% наблюдений | Характеризует типичную вариабельность лабораторного показателя |
| Интервал ±2 SD | Около 95,4% наблюдений | Приближенно соответствует центральному 95%-му интервалу |
| Практическое применение | Референтные интервалы и контроль качества | Позволяет оценивать отклонения и аналитические ошибки при выполнении условий нормальности |
Перед использованием параметрических статистических методов необходимо проверять, насколько фактические данные соответствуют нормальному распределению. Для этого применяют гистограммы, графики квантилей и формальные критерии, например тест Шапиро—Уилка. Многие лабораторные показатели имеют асимметричное распределение и могут требовать логарифмического преобразования либо использования непараметрических методов. Поэтому гауссовская модель является важным стандартом статистического анализа, но ее применимость должна подтверждаться характеристиками конкретной выборки.