Intuition de la loi normale : pourquoi la courbe en cloche est partout

La courbe en cloche est le motif le plus réutilisé de toutes les statistiques — la taille, les scores de QI, le bruit de mesure et des dizaines de phénomènes naturels se regroupent autour d'une moyenne et décroissent de façon symétrique. Cet article vous donne d'abord l'intuition, puis les formules dont vous avez réellement besoin.

Ce que signifie « normale »

Une variable aléatoire $X$ suit une loi normale de moyenne $\mu$ et d'écart-type $\sigma$ lorsque sa densité s'écrit :

$f(x) = \frac{1}{\sigma\sqrt{2\pi}} \exp\left(-\frac{(x - \mu)^2}{2\sigma^2}\right)$

Ne l'apprenez pas par cœur — ce qui compte, c'est la forme : symétrique autour de $\mu$, avec un pic à cet endroit, qui décroît rapidement, deux sigmas étant déjà nettement peu fréquents.

Pourquoi est-elle partout ? Le théorème central limite

Le théorème central limite (TCL) en est la raison. Il dit : la moyenne de nombreuses influences aléatoires indépendantes tend vers une loi normale, quelle que soit l'allure de chaque influence individuelle.

La taille, par exemple, est déterminée par des centaines de facteurs génétiques et environnementaux, chacun apportant une minuscule contribution indépendante. La somme s'approche d'une courbe en cloche.

La règle des 68-95-99,7

Pour toute loi normale, quels que soient $\mu$ ou $\sigma$ :

• 68 % des données se situent dans $\mu \pm 1\sigma$
• 95 % dans $\mu \pm 2\sigma$
• 99,7 % dans $\mu \pm 3\sigma$

C'est la règle empirique. Apprenez-la par cœur — elle répond à la plupart des questions d'examen en 10 secondes.

Exemple résolu

Aux États-Unis, la taille des hommes adultes a $\mu \approx 70$ in et $\sigma \approx 3$ in. Quelle fraction des hommes mesure entre 64 et 76 pouces ?

Cet intervalle est $70 \pm 6 = 70 \pm 2\sigma$, donc 95 %.

Scores z : standardiser n'importe quelle loi normale

Pour comparer des valeurs issues de lois normales différentes, convertissez en score z :

$z = \frac{x - \mu}{\sigma}$

Un score z indique « à combien d'écarts-types de la moyenne ». Il vous permet d'utiliser la loi normale centrée réduite $N(0, 1)$ pour tous les problèmes, à l'aide de tables (ou de notre calculateur).

Exemple de score z

Une note de $x = 85$ provient de $N(75, 5)$. Son score z est $z = (85 - 75)/5 = 2$. D'après la règle empirique, seulement $\approx 2,5\%$ des notes dépassent celle-ci.

Erreurs fréquentes

• Confondre $\sigma$ et $\sigma^2$ : écart-type contre variance.
• Supposer que toutes les données sont normales : ce n'est pas le cas ! Les revenus, les tailles de fichiers et les magnitudes des séismes sont fortement asymétriques. Tracez toujours un histogramme d'abord.
• Injecter des nombres bruts dans la règle empirique — convertissez d'abord en scores z.

Essayez avec le solveur de loi normale par IA

Utilisez le solveur de loi normale pour calculer des probabilités exactes — mieux que de lire une table à l'œil.

Références associées :

• Calculateur d'écart-type — le paramètre de dispersion
• Calculateur de score z — pour la standardisation
• Moyenne / Médiane / Mode — les bases des tendances centrales