Normal Dağılım (Çan Eğrisi)
Doğanın en sevdiği şekil! Boy, IQ, kan basıncı, ölçüm hataları… hepsi bu çan biçimli eğriye uyar. Normal dağılım, istatistiğin en önemli kavramıdır.
🎯 Niye ‘Normal’ Deniyor?
1800’lerin başında ünlü matematikçi Carl Friedrich Gauss, ölçüm hatalarının belirli bir desene uyduğunu fark etti. Bu desen çan şeklindeydi. Daha sonra anlaşıldı ki doğal süreçlerin çoğu (boy, ağırlık, IQ, kan basıncı, hatta gece uyuma süresi) hep bu şekle uyar.
“Normal” denmesinin sebebi: doğada en yaygın görünen dağılım. Yani “tipik”, “olağan”.
🔔 Çan Eğrisi Nasıl Görünür?
Diyelim ki 100 lise öğrencisinin boyunu ölçtük. Ortalama 170 cm. Şimdi şu grafiği çiziyoruz:
- X ekseni: Boy
- Y ekseni: Kaç öğrencinin o boyda olduğu
Sonuç: Çan şeklinde bir eğri!
- Ortalamada (170 cm) en çok öğrenci var
- 165 ve 175’te daha az
- 150 ve 190’da çok az
- 120 veya 220 cm hiç yok
📐 Normal Dağılımın 3 Özelliği
Sol yarı sağ yarının aynası gibidir. Ortalamadan ne kadar uzaktaysan, o kadar nadir gözlemlenirsin.
Bir tane “zirve” var, o da ortalama (= medyan = mod). Normal dağılımda üçü de aynı yerdedir.
Normal dağılımın “altın kuralı”:
- %68’i ortalama ± 1 standart sapma arasında
- %95’i ortalama ± 2 standart sapma arasında
- %99.7’si ortalama ± 3 standart sapma arasında
🎲 Bu “68-95-99.7 Kuralı” Ne İşe Yarar?
IQ skorları normal dağılır: Ortalama 100, SS 15.
- IQ 85-115 arası → toplumun %68’i (1 SS içinde)
- IQ 70-130 arası → toplumun %95’i (2 SS içinde)
- IQ 55-145 arası → toplumun %99.7’si (3 SS içinde)
Yani IQ 145 olan biri, toplumun en üst %0.15’i içinde — son derece nadir!
🌟 Niye Bu Kadar Önemli?
Normal dağılım istatistiğin temel taşıdır çünkü:
Hangi şekle uyarsa uysun, eğer çok sayıda gözlem toplarsan ve onların ortalamasını alırsan, bu ortalamalar her zaman normal dağılır!
Bu, istatistikteki “mucize”dir. Çünkü çoğu test (t-testi, ANOVA, regresyon) bu kurala dayanır.
🧪 Veri Normal mi? Nasıl Kontrol Edilir?
Görsel yöntemler:
- Histogram çiz → çan şeklinde mi?
- QQ-plot → noktalar 45° çizgiye yakın mı?
İstatistiksel testler:
- Shapiro-Wilk testi → en yaygın, n < 2000 için iyi
- Kolmogorov-Smirnov → büyük örneklem için
- Anderson-Darling → kuyruklara duyarlı
Eğer test sonucu p > 0.05 → normal dağılım varsayımı bozulmamış (devam edebilirsin).
n > 300 olduğunda Shapiro-Wilk testi en küçük sapmayı bile “anlamlı” der. Bu durumda görsel kontrol (QQ-plot) + çarpıklık değeri daha güvenilir.
🚫 Normal Dağılım Olmayan Durumlar
| Veri | Niye normal değil? |
|---|---|
| Gelir | Sağa çarpık — çoğu az, az kişi çok zengin |
| Reaksiyon süresi | Sağa çarpık — alt sınır var (0 sn), üst sınır yok |
| Likert ölçek puanları | Sınırlı (1-5), uçlar tıkanmış |
| Hastalık süresi | Sağa çarpık — çoğu çabuk iyileşir, az kişi uzun süre hasta |
Bu tür verilerde ya logaritmik dönüşüm yapılır, ya da non-parametrik testler kullanılır.
🔗 İlgili Konular
- Gauss, C. F. (1809). Theoria motus corporum coelestium. Hamburg: Perthes et Besser.
- Quetelet, A. (1835). Sur l’homme et le développement de ses facultés, ou Essai de physique sociale. Bachelier.
- Shapiro, S. S., & Wilk, M. B. (1965). An analysis of variance test for normality. Biometrika, 52(3/4), 591–611.