2) несимметричной кривой, скошенной влево
3) несимметричной кривой, скошенной вправо
4) двугорбой кривой
Нормальное распределение описывается функцией плотности Гаусса: f(x) = 1/(σ√2π) · exp[−(x−μ)2/(2σ2)], где μ — математическое ожидание, а σ — стандартное отклонение. Ее график имеет одномодальную колоколообразную форму: максимум расположен в точке μ, затем плотность плавно уменьшается в обе стороны, а хвосты асимптотически приближаются к нулю. Площадь под кривой равна 1 и соответствует полной вероятности всех возможных значений.
Ключевой признак нормального распределения — симметрия относительно среднего значения: среднее арифметическое, медиана и мода совпадают, коэффициент асимметрии равен нулю. Форма распределения часто возникает при суммировании большого числа малых независимых или слабо зависимых факторов, что объясняется центральной предельной теоремой. Поэтому нормальная модель широко используется при анализе физиологических показателей, результатов измерений и случайных погрешностей в медицинской кибернетике.
Колоколообразный вид отличает нормальное распределение от асимметричных и многомодальных распределений. При правосторонней или левосторонней асимметрии один из хвостов удлиняется, а среднее смещается относительно медианы; при двух вершинах обычно предполагается наличие смешения двух популяций или различных механизмов формирования данных. Для стандартизации наблюдений применяют z-оценку: z = (x−μ)/σ, позволяющую сопоставлять значения, измеренные в разных шкалах.
| Тип распределения | Форма плотности | Соотношение среднего, медианы и моды | Практический признак или применение |
|---|---|---|---|
| Нормальное | Симметричная одномодальная колоколообразная кривая | Среднее = медиана = мода | Подходит для параметрических методов при приемлемой близости данных к нормальности |
| С правосторонней асимметрией | Длинный хвост направлен в сторону больших значений | Обычно среднее > медианы > моды | Встречается при распределении длительности госпитализации, концентраций некоторых биомаркеров и финансовых показателей |
| С левосторонней асимметрией | Длинный хвост направлен в сторону малых значений | Обычно среднее < медианы < моды | Указывает на концентрацию наблюдений около верхней границы измеряемого показателя |
| Бимодальное | Две выраженные вершины плотности | Единое среднее плохо описывает структуру данных | Может отражать объединение двух возрастных, клинических или популяционных групп |
| Равномерное | Плотность приблизительно постоянна в заданном интервале | Центральные характеристики не формируют выраженного пика | Используется как модель равновероятных значений в ограниченном диапазоне |
| Нормальность выборки | Оценивается по гистограмме, Q–Q-графику и тестам нормальности | Асимметрия и эксцесс близки к ожидаемым для нормальной модели | Результат проверки определяет допустимость t-критерия, ANOVA и других параметрических процедур |
Для нормального распределения около 68% наблюдений находятся в пределах одного стандартного отклонения от среднего, около 95% — двух, около 99,7% — трех. Это правило лежит в основе расчета доверительных интервалов, стандартизации лабораторных показателей и выявления необычных наблюдений. При существенном отклонении данных от нормальности используют преобразования, робастные методы или непараметрические критерии. Следовательно, правильное распознавание формы плотности важно для выбора корректной статистической модели и интерпретации медицинских данных.