Calculateur de graphique de la loi normale

Calculateur de graphique de la loi normale

En croissance AI Skill PRO

Entrez le calcul

Formule

f(x)=1σ2πe−12(x−μσ)2f(\text{x}) = \frac{1}{{\sigma}\sqrt{2\pi}}\, e^{-\frac{1}{2}\left(\frac{\text{x} - {\mu}}{{\sigma}}\right)^{2}}
Statistiques d'utilisation

Publicité

Résultats

Table de la loi normale (f)
101
points générés · première valeur (x = -5): 0,00000149
x f(x)
-5 0,00000149
-4,9 0,00000244
-4,8 0,00000396
-4,7 0,00000637
-4,6 0,00001014
-4,5 0,00001598
-4,4 0,00002494
-4,3 0,00003854
-4,2 0,00005894
-4,1 0,00008926
-4 0,00013383
-3,9 0,00019866
-3,8 0,00029195
-3,7 0,00042478
-3,6 0,0006119
-3,5 0,00087268
-3,4 0,00123222
-3,3 0,00172257
-3,2 0,00238409
-3,1 0,00326682
-3 0,00443185
-2,9 0,00595253
-2,8 0,00791545
-2,7 0,01042093
-2,6 0,01358297
-2,5 0,0175283
-2,4 0,02239453
-2,3 0,02832704
-2,2 0,03547459
-2,1 0,0439836
-2 0,05399097
-1,9 0,06561581
-1,8 0,07895016
-1,7 0,09404908
-1,6 0,11092083
-1,5 0,1295176
-1,4 0,14972747
-1,3 0,17136859
-1,2 0,19418605
-1,1 0,21785218
-1 0,24197072
-0,9 0,26608525
-0,8 0,28969155
-0,7 0,31225393
-0,6 0,3332246
-0,5 0,35206533
-0,4 0,36827014
-0,3 0,38138782
-0,2 0,39104269
-0,1 0,39695255
0 0,39894228
0,1 0,39695255
0,2 0,39104269
0,3 0,38138782
0,4 0,36827014
0,5 0,35206533
0,6 0,3332246
0,7 0,31225393
0,8 0,28969155
0,9 0,26608525
1 0,24197072
1,1 0,21785218
1,2 0,19418605
1,3 0,17136859
1,4 0,14972747
1,5 0,1295176
1,6 0,11092083
1,7 0,09404908
1,8 0,07895016
1,9 0,06561581
2 0,05399097
2,1 0,0439836
2,2 0,03547459
2,3 0,02832704
2,4 0,02239453
2,5 0,0175283
2,6 0,01358297
2,7 0,01042093
2,8 0,00791545
2,9 0,00595253
3 0,00443185
3,1 0,00326682
3,2 0,00238409
3,3 0,00172257
3,4 0,00123222
3,5 0,00087268
3,6 0,0006119
3,7 0,00042478
3,8 0,00029195
3,9 0,00019866
4 0,00013383
4,1 0,00008926
4,2 0,00005894
4,3 0,00003854
4,4 0,00002494
4,5 0,00001598
4,6 0,00001014
4,7 0,00000637
4,8 0,00000396
4,9 0,00000244
5 0,00000149

Signaler une erreur sur cette page

À quoi sert ce calculateur

Le calculateur de graphique de la loi normale construit un tableau de couples (x, valeur) pour la loi normale (gaussienne). Vous choisissez l'une des trois fonctions à tabuler : la densité de probabilité \(f(x)\), la probabilité cumulée inférieure \(P(x)\) (la fonction de répartition, ou CDF), ou la probabilité cumulée supérieure \(Q(x)\) (la fonction de survie). La série de valeurs de x est définie par une valeur initiale, un pas (incrément) et le nombre de points à générer. Avec une moyenne \(\mu = 0\) et un écart-type \(\sigma = 1\), vous obtenez la loi normale centrée réduite (loi normale standard).

Deux courbes en cloche montrant l'aire cumulée inférieure P(x) ombrée à gauche et l'aire cumulée supérieure Q(x) ombrée à droite
La probabilité cumulée inférieure P(x) correspond à l'aire ombrée à gauche de x ; la probabilité cumulée supérieure Q(x), à l'aire à droite.

Comment l'utiliser

Choisissez une fonction. Saisissez la moyenne \(\mu\) et l'écart-type \(\sigma\) (qui doit être strictement supérieur à 0). Définissez la valeur initiale de x, l'incrément entre deux valeurs consécutives de x et le nombre de répétitions (points). Le calculateur renvoie un tableau où chaque ligne i donne \(x = x_{\text{Initial}} + i \cdot \text{pas}\), ainsi que la fonction choisie évaluée en ce point x. Les réglages par défaut (\(\mu=0\), \(\sigma=1\), début = -5, pas = 0,1, 101 points) balaient x de -5 à +5 et tracent la célèbre courbe en cloche pour f, ou la courbe en S pour P.

La formule expliquée

La densité s'écrit

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

Les probabilités cumulées font appel à la fonction d'erreur : en posant \(z = \frac{\text{x}-\mu}{\sigma\sqrt{2}}\), la cumulée inférieure vaut

$$P = \frac{1}{2}\left(1 + \operatorname{erf} z\right)$$

et la cumulée supérieure \(Q = 1 - P\). Comme Java/Groovy ne dispose pas de fonction erf native, cet outil utilise l'approximation polynomiale 7.1.26 d'Abramowitz & Stegun, précise à environ \(1{,}5\times10^{-7}\).

Publicité
Courbe en cloche de la loi normale, avec la moyenne μ au centre et l'écart type σ indiqué
La densité de probabilité normale f(x) forme une courbe en cloche symétrique centrée sur la moyenne μ, dont l'étalement est déterminé par σ.

Exemple concret

Loi normale centrée réduite (\(\mu=0\), \(\sigma=1\)) en x = 1 :

$$f(1) = 0{,}3989423 \cdot e^{-0{,}5} = 0{,}241971$$

Pour P, \(z = \frac{1}{\sqrt{2}} = 0{,}70711\), \(\operatorname{erf}(z) \approx 0{,}68269\), donc

$$P = \frac{1}{2}(1 + 0{,}68269) = 0{,}84134$$

(la valeur bien connue \(\Phi(1) \approx 0{,}8413\)). Ensuite \(Q = 1 - 0{,}84134 = 0{,}15866\), et \(P + Q = 1\). ✓

FAQ

Pourquoi \(\sigma\) doit-il être positif ? Un écart-type nul ou négatif n'a aucun sens et entraînerait une division par zéro dans les formules : l'outil le refuse donc.

Le pas peut-il être négatif ? Oui. Un pas négatif fait décroître x ; un pas nul produit une colonne constante de valeurs de x identiques.

Quelle est la précision de P et Q ? Elles reposent sur une approximation polynomiale de erf dont l'erreur maximale avoisine \(1{,}5\times10^{-7}\), largement suffisante pour le tracé de courbes et la plupart des travaux statistiques.

Dernière mise à jour:

Les plus populaires dans Mathématiques et statistiques

Voir toutes les calculatrices de Mathématiques et statistiques