Artykuł zawiera wszystkie informacje dotyczące rozkładu normalnego, które są potrzebne do jego wyprowadzenia oraz prostą jego interpretację, a w szczególności interpretację σ oraz punktu przegięcia, kiedy wyniki pomiaru należy odrzucić, a kiedy przyjąć.

Niżej znajdują się wszystkie momenty statystyczne rozkładu normalnego. Należy zaznaczyć, że momenty statystyczne o nieparzystym stopniu są równe zeru, a pozostałe są od niego różne. Można tak interpretować, że rozrzut wyników doświadczalnych wokół wartości najprawdopodobniej x jest symetryczny, tzn. ilość wyników pomiarowych przed oraz za x jest taka sama, czyli funkcja gęstości prawdopodobieństwa jest funkcją parzystą względem x, z tego powodu momenty statystyczne nieparzystego stopnia są równe zero, gdyż funkcja podcałkowa jest funkcją nieparzystą w całce symbolizującej moment statystyczny.

Twierdzenie o rozkładzie normalnym – szczególny przypadek twierdzenia o rozkładzie wielomianowym, dający odpowiedź na pytanie jak postępować z danymi doświadczalnymi: czy je odrzucić jako mało prawdopodobne, czy je przyjąć w zależności od danych doświadczalnych uzyskanych z doświadczenia, poprzez uprzednie obliczenie i σ, czyli wartość średnią (arytmetyczną) i średnie odchylenie standardowe. Zasady obliczania tych wskaźników czy σ będziemy tu przyjmować za znane i nie będziemy do tego problemu podchodzić, tylko wyprowadzimy wzory na σ(x) - to jest niepewność standardową pojedynczego wyniku pomiarowego, oraz , to jest niepewność standardową średniej arytmetycznej uzyskanych z doświadczenia wszystkich nie odrzuconych wyników pomiarowych, a także , określające wartość, której prawdopodobieństwo uzyskanie w naszym doświadczeniu jest największe, wartość ta jest najdokładniejsza ze wszystkich uzyskanych x względem wartości dokładnej x. Celem doświadczenia jest uzyskanie wartości x, ponieważ nie jest możliwe uzyskanie tej wartości, lub dokonania nieskończenie wielu pomiarów, bo wtedy , to zamiast niej uzyskujemy średnią arytmetyczną, która jest liczona dla każdej serii danych doświadczalnych, wykorzystując do tego celu rozkład normalny, w którym w miejsce wartości dokładnej wsadzamy .

Zwykle tak się robi w fizyce doświadczalnej, nie patrząc na opinie matematyków, w których matematycy mówią, że wszystko musi być dokładne, nie ma wartości przybliżonej - a jeśli są, to trzeba określić je w sposób ściśle określony. Jednak według fizyków nie ma wartości dokładnej, są tylko wartości przybliżone. W doświadczeniach fizycznych dane doświadczalne układają się wokół punktu x (wartości dokładnej), i bardzo rzadko się zdarza, że wyjdzie jakiś wynik (pomiar), który jest odległy od x nawet o σ, a nawet o 2σ, i jest to raczej błąd systematyczny, który może mówić o błędzie eksperymentatora, np. niedostosowanej temperatury do warunków doświadczalnych itp., dlatego odrzucanie wyników doświadczalnych bardzo oddalonych od x, należy przyjąć jako odrzucone. Gdy odrzuca się te x z poszczególnych prób i serii. Mówi się, że w przybliżeniu n⇒∞ jest spełniony rozkład normalny, natomiast przy małym n tak nie jest, ponieważ w doświadczeniu powinno się robić co najmniej 30 pomiarów w doświadczeniu w poszczególnych próbach, by rozkład był w miarę spełniony, bo wtedy policzenie wariancji jest bardziej dokładne, a wartość średnia z wyników pomiarowych zbliża się do wartości dokładnej (bo czym, większa jest liczba uzyskanych wyników pomiarowych w wyniku doświadczenia to błąd wartości średniej jest bardziej mniejszy). Rozrzut wyników wokół wartości dokładnej jest porozrzucany po obu stronach x i tak się dzieje, że wyniki doświadczalne znajdują się bardzo blisko wartości dokładnej. Prawdopodobieństwo uzyskania wyników o błędzie większym od σ a nawet o 2σ jest raczej bardzo mało prawdopodobne i nieodrzucanie tychże wyników doświadczalnych wnosi wkładu do obliczania σ, zatem co je należy odrzucić, bo te wartości obliczenia stają się mało-wiarygodne przy nieodrzuceniu tychże wartości. Rozkład normalny jest spełniony dla nieskończonej ilości stopni swobody (liczby uzyskanych danych doświadczalnych), oczywiście minus jeden, bo mamy wzór na wariancję wyniku pomiarowego, licząc je dla poszczególnych prób.

Niepewność pomiarową w doświadczeniu określmy jako średni błąd, który można popełnić, dla poszczególnych doświadczeń w próbach. Jeśli niepewności są większe niż σ, to taki wynik częściowy doświadczenia należy odrzucić, toteż i należy przeliczyć od nowa, czy nie ma dalszych wyników doświadczenia, tzn.: x określić jako odrzucone. Jeśli są, wówczas tę procedurę powtarzamy aż do skutku. Po tej czynności należy przejść do dalszego etapu badania, jakie są zależności w naszym doświadczeniu w poszczególnych próbach.

Dlaczego trzeba odrzucać wyniki dla których , ale ponieważ gdy zapoznamy się z wyprowadzeniem wzoru na rozkład normalny z zastosowaniem szeregu Taylora wokół wartości x, i jak wiemy z analizy matematycznej, gdy większa jest różnica między x (wynikiem pomiaru) a x (wartością dokładną), to szereg Taylora przestaje być spełniony poza promieniem zbieżności, dlatego odchyły od x nie powinny być za duże.

Wielomianowa kombinacja trafień w układ doświadczalny Załóżmy, że mamy "m" punktów doświadczalnych, które będziemy uzyskiwać w "n" doświadczeniach. W "n" doświadczeniach możemy uzyskać w dany punkt o numerze j liczbę k dotknięć. Według rozkładu normalnego w doświadczeniu staramy by liczba doświadczeń była nieskończenie duża, a praktycznie bardzo duża, by doświadczenie pokryło prawie wszystkie punkty możliwe do uzyskania w naszym doświadczeniu, przy czym uzyskane wyniki są powtarzane z różną częstością, wtedy liczba trafionych punktów l zbliżała się do liczby punktów w doświadczeniu możliwych do uzyskania. W wzorze wliczmy tylko te punkty, które zostały dotknięte w naszym doświadczeniu. Zatem ilość możliwych trafień w te punkty wyraża się:

gdzie: n jest to ilość przeprowadzonych doświadczeń w danym układzie doświadczalnym. k jest to ilość trafień w dany punkt doświadczalny. We wzorze jest spełniony związek mówiący, że liczba wszystkich poszczególnych trafień w dane punkty doświadczalne jest równe sumie przeprowadzonych doświadczeń.

Wyznaczanie wzoru przybliżonego na n! W rozkładzie dwumianowym bardzo często występuje silnia, korzystanie z niej szczególnie jest niewygodne, gdy zachodzi n→ ∞. Będziemy korzystać ze wzoru Stirlinga, który wylicza w sposób przybliżony silnie z liczby n za pomocą potęgowania i pierwiastkowania, zatem ten wzór mozna napisać wedle sposobu:

Wzór staje się wyrażeniem dokładnym, gdy n→∞. Możemy z logarytmować wyrażenie przybliżone na silnie liczby n przedstawionego wedle wspomnianego wzoru i dokonać dalszych przybliżeń, z którego końcowego przybliżenia będziemy korzystać w dalszych obliczeniach na wyznaczaniem rozkładu normalnego.

Logarytm kombinacji trafień w układ doświadczalny Policzmy logarytm naturalny wyrażenia na ilość możliwych pewnych dotknięć w "l" ściśle określonych punktów, którego wzór jest napisany tutaj , korzystając przy tym ze wzoru na przybliżenie wielkości logarytmu naturalnego silni z liczby n, czyli i z właściwości logarytmu iloczynu lub ilorazu dwóch liczb:

W równaniu możemy wyznaczyć W, zatem dostajemy, że ilość możliwości realizacji układu statystycznego trafień w ściśle określony punkty z ilością trafień k dla punktu o numerze "j" jest określana:

Jeżeli mamy układ doświadczeń, w których uzyskano l dotknięć w punkty doświadczalne przeprowadzając n doświadczeń, wtedy prawdopodobieństwo uzyskania jednego doświadczenia z układów doświadczeń jest równe odwrotności .

Całkowite prawdopodobieństwo zdarzeń w rozkładzie normalnym W doświadczeniu ilość możliwych dotknięć w dane punkty doświadczalne jest określone przez wzór . Prawdopodobieństwo, że nasze doświadczenie tak przejdzie, według określonego schematu jest określone jak jeden ze wszystkich możliwych potnieć w l punktów doświadczalnych: W. Załóżmy, że mamy zbiór doświadczeń, w których otrzymaliśmy takie same dotknięcia w l punktów doświadczalnych, a prawdopodobieństwo tego zbioru jest określone przez stałe , wtedy z definicji prawdopodobieństwa warunkowego prawdopodobieństwo, że uzyskamy dotknięcia w l punktów doświadczalnych jest określone jako iloczyn prawdopodobieństwa p i prawdopodobieństwa, że uzyskamy dotnięcia w l-punktów doświadczalnych z całego zbioru doświadczeń, w których otrzymujemy dotnięcia w te same w l punktów doświadczalnych:

Rozszerzenie przedziałów uzyskania wyników na R lub przedział w R Załóżmy, że badamy przypadek w bardzo dużej ilości doświadczeń "n" dla zmiennej typu ciągłego w R lub w przedziale (a,b) należących do zbioru liczb rzeczywistych lub w przypadku quasiciągłym. Dla tego przypadku, w doświadczeniu, wiemy jednak że: Δx→0 i (x-Δ x/2,x+Δ x/2), gdzie jest to malutki przedział dla którego wartości naszego wyniku pomiarowego są nierozróżnialne względem niepewności pomiarowej, ale i też z drugiej strony d → ∞, co przedstawia rozległość pomiarów, co spełnia warunki dla naszego rozkładu normalnego. Prawdopodobieństwo uzyskania jakiegoś wyniku w rozważanym przedziale dąży zera, bo ilość wyników do uzyskania jest nieskończenie duża. Uzyskanie wyników w przedziale (-∞,∞), nie dość że długość przedmiotów miała by wiele do życzenia, jak i prawa fizycznego, które badamy mogą być nie spełnione dla aż tak dużego "d", np. prędkość świata dla "d" względnie miarę małego w porównywana tysiącami kilometrów jaką światła może przebyć, ma wiele do życzenia, a dla "d" bardzo dużego raczej już nie. Również Δ x nie może być nieskończenie małe, ponieważ niepewność pomiarowa przedmiotów jest jakaś tam, tak że rozróżnienie wyników w (x-χ,x+χ) graniczy z cudem. Czyli pomiary jakieś wielkości fizycznej nie mogą być pomiarami zbyt rozległymi względem naszego doświadczenia, jak i pomiarami bardzo małymi względnie wielkości, które mierzymy. Jeśli d jest względnie duże, a Δ x jest względnie małe, to nasz przedział można potraktować jak przedział ciągły o rozmiarach nieskończonych, tzn. (-∞,∞).

Gęstość prawdpodobieństwa dla zmiennej typu ciągłego lub quasiciągłego Gęstość prawdopodobieństwa w n doświadczeniach należy zdefiniować wedle:

Ponieważ ilość danych do zbadania jest nieskończenie duża, i wtedy dochodzimy do wniosku, że zachodzi P→ 0, oczywiste jest, że ma sens stosowanie wtedy definicji gęstości prawdopodobieństwa. Tutaj zastępujemy wielkości k→ k(x) dla nieskończenie przeprowadzonych doświadczeń w przedziale (a,b) lub w "R", wtedy gęstość prawdopodobieństwa uzyskania wyników z przedziału jest równe w naszym przypadku dla "n" (duże "n") doświadczeń:

gdzie jest to gęstość ilości stanów ilości trafień dla zmiennej typu ciągłej w przedziale o grubości "dx".

Maksymalizacja prawdopodobieństwa dla pomiaru równej wartości dokładnej Rozłóżmy sobie logarytm naturalny ilości trafień w dany punkt doświadczalny "x" względem wartości dokładnej napisanej przez x w szereg Taylora, pisząc wszystkie wyrazy włącznie z kwadratowym, a pozostałe wyrazy oznaczając wielokropkami:

Prawdopodobieństwo uzyskania k wyników takich samych uzyskanych w doświadczeniu w n wynikach pomiarowych jest równa na podstawie :

Wzór na prawdopodobieństwo realizacji danego doświadczenia określonych wzorem , do którego podstawiamy wyrażenie na logarytm ilości trafień w punkt doświadczalny x, określonych według wzoru , i dostajemy pewne wyrażenie, które jest prawdopodobieństwem trafień w dany punkt doświadczalny od x do x, których wyników pomiarowych jest n.

Z obliczeń wynikających z przeprowadzonych obliczeń w punkcie przepiszmy końcowy wynik dla przejrzystości wykładu.

gdzie: są to wyniki doświadczalne uzyskane w wyniku doświadczenia, wyniki powtarzające się nie są wliczane do tego wektora. są to wyniki doświadczalne uzyskany w wyniku doświadczenia, przy czym do tego wektora są wliczane również wyniki powtarzające się.