Intuisi Distribusi Normal: Mengapa Kurva Lonceng Ada di Mana-mana

Kurva lonceng adalah pola yang paling banyak digunakan ulang dalam seluruh statistika — tinggi badan, skor IQ, derau pengukuran, dan puluhan fenomena alam berkerumun di sekitar suatu rata-rata dan meruncing secara simetris. Artikel ini memberi Anda intuisi terlebih dahulu, lalu rumus yang benar-benar Anda butuhkan.

Apa arti "normal"

Suatu peubah acak $X$ berdistribusi normal dengan rata-rata $\mu$ dan simpangan baku $\sigma$ ketika densitasnya mengikuti:

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

Jangan hafalkan itu — yang penting adalah bentuknya: simetris di sekitar $\mu$, memuncak di sana, dan menurun cepat sehingga dua-sigma sudah terasa cukup jarang.

Mengapa ada di mana-mana? Teorema Limit Pusat

Teorema Limit Pusat (CLT) adalah alasannya. Teorema ini menyatakan: rata-rata dari banyak pengaruh acak yang saling bebas cenderung mengikuti distribusi normal, terlepas dari bentuk masing-masing pengaruh tersebut.

Tinggi badan, misalnya, ditentukan oleh ratusan faktor genetik dan lingkungan, yang masing-masing menambahkan kontribusi kecil yang saling bebas. Jumlahnya menghampiri kurva lonceng.

Aturan 68-95-99,7

Untuk sembarang distribusi normal, tidak peduli berapa $\mu$ atau $\sigma$:

• 68% data berada dalam $\mu \pm 1\sigma$
• 95% dalam $\mu \pm 2\sigma$
• 99,7% dalam $\mu \pm 3\sigma$

Inilah aturan empiris. Hafalkan — ini menjawab sebagian besar soal ujian dalam 10 detik.

Contoh terselesaikan

Tinggi badan pria dewasa di AS memiliki $\mu \approx 70$ in dan $\sigma \approx 3$ in. Berapa fraksi pria yang tingginya antara 64 dan 76 inci?

Rentang itu adalah $70 \pm 6 = 70 \pm 2\sigma$, jadi 95%.

Skor z: membakukan sembarang normal

Untuk membandingkan nilai antar distribusi normal yang berbeda, ubah menjadi skor z:

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

Skor z adalah "berapa banyak simpangan baku dari rata-rata". Ini memungkinkan Anda menggunakan normal baku $N(0, 1)$ untuk semua soal melalui tabel rujukan (atau kalkulator kami).

Contoh skor z

Skor ujian $x = 85$ berasal dari $N(75, 5)$. Skor z-nya adalah $z = (85 - 75)/5 = 2$. Berdasarkan aturan empiris, hanya $\approx 2{,}5\%$ skor yang melampaui ini.

Kesalahan umum

• Mengacaukan $\sigma$ dan $\sigma^2$: simpangan baku vs ragam.
• Mengasumsikan semua data normal: tidak demikian! Pendapatan, ukuran berkas, dan magnitudo gempa sangat menceng. Selalu plot histogram terlebih dahulu.
• Memasukkan angka mentah ke dalam aturan empiris — ubah menjadi skor z dulu.

Coba dengan AI Normal Distribution Solver

Gunakan Normal Distribution Solver untuk menghitung probabilitas yang tepat — lebih baik daripada membaca tabel dengan mata.

Rujukan terkait:

• Standard Deviation Calculator — parameter sebaran
• Z-Score Calculator — untuk pembakuan
• Mean / Median / Mode — dasar-dasar ukuran pemusatan