Probabilité normale N(0,1)

La loi normale centrée réduite est la courbe en cloche de référence, de moyenne nulle et d’écart type un. Presque tout cours d’introduction à la statistique, carte de contrôle qualité ou table de tests standardisés finit par poser la même question : pour deux valeurs z sur cette courbe, quelle masse de probabilité se trouve entre elles ? Ce calculateur de probabilité normale centrée réduite y répond par une seule évaluation déterministe de la fonction de répartition de la loi normale standard. Lorsque la borne inférieure dépasse la supérieure, la requête est rejetée avec une erreur de validation claire plutôt qu’une aire négative silencieuse.

Comment se définit la probabilité d’un intervalle normal standard

Une variable aléatoire normale centrée réduite Z a une densité proportionnelle à l’exponentielle de moins z au carré sur deux, centrée en zéro avec une dispersion unitaire. La fonction de répartition Φ(z) est la probabilité que Z soit au plus z, c’est-à-dire l’aire sous la courbe de moins l’infini jusqu’à ce point.

Cette seule soustraction retrouve chaque lecture de table de manuel que les étudiants faisaient à la main : la masse centrale entre moins 1.96 et plus 1.96 vaut environ quatre-vingt-quinze pour cent, la masse de zéro à un environ trente-quatre pour cent, et la masse au-delà de trois est une queue fine. Comme Φ est strictement croissante, la différence est toujours non négative dès que la borne inférieure ne dépasse pas la supérieure.

Si les bornes sont égales, la probabilité vaut exactement zéro, ce qui est la réponse correcte d’une loi continue pour un point unique. Lorsque les bornes couvrent une large région centrale, la probabilité tend vers un sans échantillonnage Monte Carlo ni tables externes.

Le calculateur implémente Φ via l’identité de la fonction d’erreur Φ(z) égale à un demi fois un plus erf de z sur la racine carrée de deux, avec l’approximation rationnelle classique d’Abramowitz et Stegun, de sorte que chaque évaluation est purement arithmétique en virgule flottante, sans réseau, sans graine aléatoire et sans horloge.

Où ce calculateur apparaît dans le travail réel

Les équipes de contrôle qualité et de supervision de procédés convertissent les limites de contrôle en masse normale standard pour indiquer quelle part d’un procédé stable est attendue entre les lignes de spécification inférieure et supérieure sous un modèle normal. La psychométrie et les tests standardisés convertissent les notes de cut-off en unités z puis en probabilités de réussite lorsque la normalité est supposée après équating.

Les carnets de data science ont souvent besoin d’une différence Φ rapide et sans dépendance pour valider une simulation ou vérifier qu’une largeur d’intervalle de confiance correspond à la couverture voulue. Si plus tard vous devez convertir une note brute en score z, calculer un résumé descriptif complet ou évaluer une normale non standard de moyenne et sigma arbitraires, traitez cela comme d’autres intentions de recherche et d’autres pages d’atterrissage, sans surcharger cette page de probabilité normale centrée réduite.