Rozkład normalny

Opracowanie merytoryczne: Konrad Hryniewicz · Opublikowano: 21 sierpnia 2026 · Aktualizacja: 22 sierpnia 2026

Co oznacza Rozkład normalny?

Rozkład normalny jest symetrycznym rozkładem ciągłym określonym przez średnią i wariancję.

Zastosowanie, warunki i dobre praktyki

Rozkład normalny jest symetrycznym modelem ciągłym określonym przez średnią i odchylenie standardowe. W większości analiz założenie nie dotyczy normalności surowych X i Y, lecz błędów, różnic lub rozkładu estymatora. Ocena powinna uwzględniać wykres Q–Q, liczebność i odporność procedury, zamiast wymagać nieistotnego testu normalności.

Najważniejsze zastosowanie: Jest modelem dla błędów lub rozkładów próbkowania w wielu metodach, ale nie uniwersalnym wymogiem dla surowych danych.

Jak poprawnie stosować i interpretować hasło „Rozkład normalny”?

Przy ocenie pojęcia „Rozkład normalny” nie wystarcza mechaniczne porównanie jednej liczby z progiem. W analizie dotyczącej hasła „Rozkład normalny” trzeba ustalić, którego elementu modelu dotyczy diagnostyka — surowej zmiennej, reszt, wariancji, macierzy korelacji czy struktury pomiarów — i jaki błąd może spowodować naruszenie. Dla interpretacji hasła „Rozkład normalny” wykres zwykle pokazuje kierunek oraz lokalizację problemu lepiej niż sam test formalny.

Znaczenie pojęcia „Rozkład normalny” zależy od liczebności: przy dużej próbie test może reagować na drobne odchylenia, a przy małej nie mieć mocy do wykrycia ważnego problemu. Dlatego w analizie hasła „Rozkład normalny” decyzję opiera się na rozmiarze i wzorcu naruszenia, odporności wybranego estymatora oraz analizie wrażliwości z alternatywną procedurą.

Co trzeba opisać w raporcie?

W raporcie dotyczącym „Rozkład normalny” należy podać, co dokładnie oceniono, za pomocą jakiej diagnostyki i jaki był skutek tej oceny dla dalszej analizy. W analizie dotyczącej hasła „Rozkład normalny” zamiast zdania „założenia spełniono” lepiej wskazać wykres lub statystykę, zauważone odchylenie oraz zastosowaną korektę, wariant odporny albo uzasadnienie pozostawienia modelu.

Zakres raportowania dla hasła „Rozkład normalny”: Opisz, którego elementu dotyczy założenie i jak oceniono wpływ odchyleń.

Przykład praktyczny i gotowa interpretacja

Sytuacja: Reszty modelu mogą być przybliżenie normalne, choć predyktor jest silnie skośny.

Jak ją zinterpretować: Normalność jest modelem kształtu, nie etykietą potwierdzaną jednym nieistotnym testem. Znaczenie odchylenia zależy od tego, czy dotyczy wyniku, reszt lub wielowymiarowego rozkładu i czy wpływa na estymację.

Najczęstsza pułapka i granica interpretacji

Test Shapiro–Wilka przy dużym N wykrywa nieistotne praktycznie odchylenia.

Wynik dotyczący „Rozkład normalny” jest informacją diagnostyczną, a nie samodzielnym werdyktem o poprawności całego badania. W odniesieniu do hasła „Rozkład normalny” usunięcie obserwacji lub zmiana metody wymaga przyczyny merytorycznej i udokumentowanej analizy wrażliwości.

Przykład reprodukowalny dla tego hasła

Rozkład normalny: gęstość, prawdopodobieństwo i kwantyl

Przykład oblicza gęstość, prawdopodobieństwo i kwantyl rozkładu normalnego dla konkretnych parametrów μ i σ.

Dane wejściowe: Przykład używa rozkładu o średniej 100 i SD 15. Wstaw parametry uzasadnione modelem lub populacją odniesienia.

Co sprawdzić w wyniku: PDF jest gęstością, CDF daje prawdopodobieństwo poniżej progu, a kwantyl odwraca CDF. Nie utożsamiaj gęstości z prawdopodobieństwem punktowym.

mu <- 100
sigma <- 15

dnorm(115, mean = mu, sd = sigma)          # gęstość w punkcie 115
pnorm(115, mean = mu, sd = sigma)          # P(X <= 115)
pnorm(115, mu, sigma) - pnorm(85, mu, sigma) # P(85 < X <= 115)
qnorm(.975, mean = mu, sd = sigma)         # percentyl 97,5

set.seed(2026)
x <- rnorm(1000, mean = mu, sd = sigma)
hist(x, breaks = "FD", probability = TRUE)
curve(dnorm(x, mu, sigma), add = TRUE, col = "#E9A820", lwd = 2)

Python

import numpy as np
from scipy.stats import norm

mu, sigma = 100, 15
print("gestosc:", norm.pdf(115, loc=mu, scale=sigma))
print("P(X <= 115):", norm.cdf(115, loc=mu, scale=sigma))
print("P(85 < X <= 115):",
      norm.cdf(115, loc=mu, scale=sigma) - norm.cdf(85, loc=mu, scale=sigma))
print("percentyl 97.5:", norm.ppf(.975, loc=mu, scale=sigma))

rng = np.random.default_rng(2026)
x = norm.rvs(loc=mu, scale=sigma, size=1000, random_state=rng)

IBM SPSS Statistics — Syntax

COMPUTE gestosc_115=PDF.NORMAL(115,100,15).
COMPUTE prawd_do_115=CDF.NORMAL(115,100,15).
COMPUTE prawd_85_115=CDF.NORMAL(115,100,15)-CDF.NORMAL(85,100,15).
COMPUTE percentyl_975=IDF.NORMAL(.975,100,15).
COMPUTE losowy_wynik=RV.NORMAL(100,15).
EXECUTE.

FREQUENCIES VARIABLES=losowy_wynik /HISTOGRAM NORMAL.

Bibliografia oprogramowania i wykorzystanych pakietów

W przykładach użyto: R, Python, IBM SPSS Statistics, NumPy, SciPy. W pracy badawczej podaj również faktycznie użyte wersje, które można odczytać poleceniami sessionInfo() w R oraz pip freeze lub importlib.metadata.version() w Pythonie. Cytuj wyłącznie narzędzia rzeczywiście użyte w końcowej analizie.

R: R Core Team. (2026). R: A language and environment for statistical computing [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
Python: Van Rossum, G., & Drake, F. L., Jr. (2009). Python 3 reference manual. CreateSpace.
IBM SPSS Statistics: IBM Corp. (2025). IBM SPSS Statistics for Macintosh (Version 31.0) [Computer software]. IBM Corp.
NumPy: Harris, C. R., Millman, K. J., van der Walt, S. J., Gommers, R., Virtanen, P., Cournapeau, D., Wieser, E., Taylor, J., Berg, S., Smith, N. J., Kern, R., Picus, M., Hoyer, S., van Kerkwijk, M. H., Brett, M., Haldane, A., del Río, J. F., Wiebe, M., Peterson, P., … Oliphant, T. E. (2020). Array programming with NumPy. Nature, 585, 357–362. https://doi.org/10.1038/s41586-020-2649-2
SciPy: Virtanen, P., Gommers, R., Oliphant, T. E., Haberland, M., Reddy, T., Cournapeau, D., Burovski, E., Peterson, P., Weckesser, W., Bright, J., van der Walt, S. J., Brett, M., Wilson, J., Millman, K. J., Mayorov, N., Nelson, A. R. J., Jones, E., Kern, R., Larson, E., … SciPy 1.0 Contributors. (2020). SciPy 1.0: Fundamental algorithms for scientific computing in Python. Nature Methods, 17, 261–272. https://doi.org/10.1038/s41592-019-0686-2

BibTeX dla oprogramowania i pakietów

@manual{r-core-2026,
  author = {{R Core Team}},
  title = {R: A Language and Environment for Statistical Computing},
  organization = {R Foundation for Statistical Computing},
  address = {Vienna, Austria},
  year = {2026},
  url = {https://www.R-project.org/}
}

@book{vanrossum2009python,
  author = {Van Rossum, Guido and Drake, Fred L., Jr.},
  title = {Python 3 Reference Manual},
  publisher = {CreateSpace},
  year = {2009},
  isbn = {978-1-4414-1269-0}
}

@software{ibm2025spss,
  author = {{IBM Corp.}},
  title = {IBM SPSS Statistics for Macintosh},
  year = {2025},
  version = {31.0},
  publisher = {IBM Corp.}
}

@article{harris2020numpy,
  author = {Harris, Charles R. and Millman, K. Jarrod and van der Walt, Stéfan J. and Gommers, Ralf and Virtanen, Pauli and others},
  title = {Array Programming with NumPy},
  journal = {Nature},
  year = {2020},
  volume = {585},
  pages = {357--362},
  doi = {10.1038/s41586-020-2649-2}
}

@article{virtanen2020scipy,
  author = {Virtanen, Pauli and Gommers, Ralf and Oliphant, Travis E. and Haberland, Matt and Reddy, Tyler and others},
  title = {SciPy 1.0: Fundamental Algorithms for Scientific Computing in Python},
  journal = {Nature Methods},
  year = {2020},
  volume = {17},
  pages = {261--272},
  doi = {10.1038/s41592-019-0686-2}
}

Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Appelbaum et al., 2018).

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Poradnik

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Oferta dla badaczy Oferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191
Wilkinson, L., & Task Force on Statistical Inference. (1999). Statistical methods in psychology journals: Guidelines and explanations. American Psychologist, 54(8), 594–604. https://doi.org/10.1037/0003-066X.54.8.594
Lang, T. A., & Altman, D. G. (2015). Basic statistical reporting for articles published in biomedical journals: The SAMPL guidelines. International Journal of Nursing Studies, 52(1), 5–9. https://doi.org/10.1016/j.ijnurstu.2014.09.006
Altman, D. G. (2015). Making research articles fit for purpose: Structured reporting of key methods and findings. Trials, 16, 53. https://doi.org/10.1186/s13063-015-0575-7
Wasserstein, R. L., & Lazar, N. A. (2016). The ASA statement on p-values: Context, process, and purpose. The American Statistician, 70(2), 129–133. https://doi.org/10.1080/00031305.2016.1154108
Greenland, S., Senn, S. J., Rothman, K. J., Carlin, J. B., Poole, C., Goodman, S. N., & Altman, D. G. (2016). Statistical tests, P values, confidence intervals, and power: A guide to misinterpretations. European Journal of Epidemiology, 31(4), 337–350. https://doi.org/10.1007/s10654-016-0149-3

Cytowania BibTeX

@article{appelbaum2018jars, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={Journal article reporting standards for quantitative research in psychology}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}

@article{wilkinson1999statistical, author={Wilkinson, Leland and {Task Force on Statistical Inference}}, title={Statistical methods in psychology journals: Guidelines and explanations}, journal={American Psychologist}, year={1999}, volume={54}, number={8}, pages={594--604}, doi={10.1037/0003-066X.54.8.594}}

@article{lang2015sampl, author={Lang, Thomas A. and Altman, Douglas G.}, title={Basic statistical reporting for articles published in biomedical journals: the SAMPL guidelines}, journal={International Journal of Nursing Studies}, year={2015}, volume={52}, number={1}, pages={5--9}, doi={10.1016/j.ijnurstu.2014.09.006}}

@article{altman2015reporting, author={Altman, Douglas G.}, title={Making research articles fit for purpose: structured reporting of key methods and findings}, journal={Trials}, year={2015}, volume={16}, pages={53}, doi={10.1186/s13063-015-0575-7}}

@article{wasserstein2016pvalues, author={Wasserstein, Ronald L. and Lazar, Nicole A.}, title={The ASA Statement on p-Values: Context, Process, and Purpose}, journal={The American Statistician}, year={2016}, volume={70}, number={2}, pages={129--133}, doi={10.1080/00031305.2016.1154108}}

@article{greenland2016misinterpretations, author={Greenland, Sander and Senn, Stephen J. and Rothman, Kenneth J. and Carlin, John B. and Poole, Charles and Goodman, Steven N. and Altman, Douglas G.}, title={Statistical tests, P values, confidence intervals, and power: a guide to misinterpretations}, journal={European Journal of Epidemiology}, year={2016}, volume={31}, number={4}, pages={337--350}, doi={10.1007/s10654-016-0149-3}}