The Normal Distribution, Revisited · La Distribution Normale, Revisité
| English | Français |
|---|---|
| normal distribution/ˈnɔːml ˌdɪstrɪˈbjuːʃn/ | distribution normale |
| z-score/zed skɔː/ | score z |
| standard normal/ˈstændəd ˈnɔːml/ | loi normale standard |
| statistical inference/stəˈtɪstɪkl ˈɪnfərəns/ | inférence statistique |
The bell curve returns
- Many sampling distributions are well modeled by the normal distribution 正态分布.
- It's the familiar symmetric bell, described by a mean and a standard deviation.
- When a statistic's sampling distribution is normal, we can compute probabilities for it.
- This is why the normal model is the workhorse of inference.
La courbe en cloche revient
- De nombreuses distributions d'échantillonnage sont bien modélisées par la distribution normale 正态分布.
- C'est la fameuse symétrie en cloche, décrite par une moyenne et un écart-type.
- Lorsque la distribution d'échantillonnage d'une statistique est normale, nous pouvons calculer ses probabilités.
- C'est pourquoi le modèle normal est le moteur de l'inférence.
z-scores for a statistic
- A $z$-score 标准分数 says how many standard deviations a value sits from the mean:
-
$$z = \frac{\text{statistic} - \text{mean}}{\text{standard deviation}}$$
- For a sample statistic, the "standard deviation" is that of its sampling distribution.
- The $z$-score converts any normal value onto one common scale.
Scores z pour une statistique
- Un score $z$ 标准分数 indique de combien d'écarts-types une valeur se situe de la moyenne :
-
$$z = \frac{\text{statistic} - \text{mean}}{\text{standard deviation}}$$
- Pour une statistique d'échantillon, l'« écart-type » est celui de sa distribution d'échantillonnage.
- Le score $z$ convertit n'importe quelle valeur normale sur une échelle commune.
The standard normal
- The standard normal 标准正态 distribution has mean $0$ and standard deviation $1$.
- Every $z$-score lives on it, so one table (or calculator) handles all normal problems.
- Probabilities: area under the curve left/right of a $z$.
- Critical values: the $z$ that cuts off a chosen tail area (e.g. $z^* = 1.96$ for the middle $95\%$).
La normale standard
- La normale standard 标准正态 a une moyenne de $0$ et un écart-type de $1$.
- Chaque score $z$ y vit, donc une seule table (ou calculatrice) gère tous les problèmes normaux.
- Probabilités : aire sous la courbe à gauche/droite d'un score $z$.
- Valeurs critiques : le score $z$ qui coupe une aire de queue choisie (par ex., $z^* = 1.96$ pour le milieu $95\%$).
Why it matters for inference
- Inference asks: "how surprising is my sample, if a claim were true?"
- The normal model turns that into an area (a probability) under the bell.
- A statistic far out in the tail (large $|z|$) is surprising evidence.
- Every confidence interval and test in Units 6–9 runs on this machinery.
Pourquoi cela importe pour l'inférence
- L'inférence demande : « ma_sample est-elle surprenante si une affirmation était vraie ? »
- Le modèle normal transforme cela en une aire (une probabilité) sous la cloche.
- Une statistique loin dans la queue (grand $|z|$) est une preuve surprenante.
- Chaque intervalle de confiance et test des Unités 6–9 repose sur ce mécanisme.
The $z$-score's denominator is the standard deviation of the sampling distribution, not the spread of one sample's raw data. Mixing these up is a classic slip. And remember the empirical rule benchmarks — about $68\%$ within $1$ SD, $95\%$ within $2$, $99.7\%$ within $3$ — for a quick sense of how extreme a $z$ is.
Le dénominateur du score $z$ est l'écart-type de la distribution d'échantillonnage, pas la dispersion des données brutes d'un seul échantillon. Les confondre est une erreur classique. Rappelez-vous aussi les repères de la règle empirique — environ $68\%$ dans $1$ écarts-types, $95\%$ dans $2$, $99.7\%$ dans $3$ — pour avoir une idée rapide de la rareté d'un $z$.
A statistic is normal with mean $50$ and SD $4$. You observe a value of $58$.
- $z = \dfrac{58 - 50}{4} = 2$ — two standard deviations above the mean.
- By the empirical rule, only about $2.5\%$ of values exceed $z = 2$.
- So a value of $58$ is fairly surprising under this model.
Une statistique est normale de moyenne $50$ et d'écart-type $4$. Vous observez une valeur de $58$.
- $z = \dfrac{58 - 50}{4} = 2$ — deux écarts-types au-dessus de la moyenne.
- Par la règle empirique, seulement environ $2.5\%$ des valeurs dépassent $z = 2$.
- Donc une valeur de $58$ est assez surprenante sous ce modèle.
The normal distribution models many sampling distributions. A $z$-score $z = \frac{\text{stat} - \text{mean}}{\text{SD}}$ maps a value onto the standard normal (mean $0$, SD $1$), where probabilities are areas and critical values cut off tail areas. This normal machinery powers all statistical inference.
La distribution normale modélise de nombreuses distributions d'échantillonnage. Un score $z$ $z = \frac{\text{stat} - \text{mean}}{\text{SD}}$ mappe une valeur sur la normale standard (moyenne $0$, écart-type $1$), où les probabilités sont des aires et les valeurs critiques coupent les aires de queue. Ce mécanisme normal alimente toute l'inférence statistique.
The standard normal, shaded by z · La normale standard, ombragée par z
Areas under the curve give probabilities; z marks the cutoff. · Les aires sous la courbe donnent les probabilités ; z marque la limite.
A statistic is normal with mean 50 and SD 4. Find the z-score of the value 58. · Une statistique est normale avec une moyenne de 50 et un écart-type de 4. Trouver le score z de la valeur 58.
z = (58 − 50)/4 = 2.
The standard normal distribution has... · La distribution normale standard a...
By definition, mean 0 and SD 1. · Par définition, moyenne 0 et ET 1.
The critical value z* for the middle 95% of the standard normal is about... (two decimals) · La valeur critique z* pour les 95 % centraux de la normale standard est d'environ... (deux décimales)
z* = 1.96 leaves 2.5% in each tail. · z* = 1.96 laisse 2.5 % dans chaque queue.
The z-score for a sample statistic uses the standard deviation of its sampling distribution. · Le score z d'une statistique d'échantillon utilise l'écart-type de sa distribution d'échantillonnage.
Not the spread of one sample's raw data — the sampling distribution's SD. · Pas la dispersion des données brutes d'un seul échantillon — l'ET de la distribution d'échantillonnage.
Under a normal model, a statistic with a large |z| is... · Selon un modèle normal, une statistique avec un grand |z| est...
Large |z| = far from center = surprising evidence. · Grand |z| = loin du centre = preuve surprenante.