Построение графика нормального распределения в Excel: от теории к практике

Нормальное распределение (или распределение Гаусса) — основа статистического анализа, но его визуализация в Microsoft Excel часто вызывает сложности у пользователей. Многие ошибочно считают, что для создания такой кривой требуются специализированные программы типа R или Python, хотя все необходимые инструменты уже встроены в стандартный функционал Excel. Эта статья развенчает миф о сложности процесса и покажет, как за 5 шагов преобразовать сырые данные в профессиональный график с колоколообразной кривой.

Мы рассмотрим два подхода: построение теоретической кривой по заданным параметрам (среднее и стандартное отклонение) и визуализацию эмпирических данных с проверкой их соответствия нормальному закону. Особое внимание уделим типичным ошибкам, которые искажают результат — от неправильного выбора диапазона значений до ошибочного масштабирования осей. Готовые шаблоны и формулы из статьи вы сможете адаптировать под свои задачи: будь то анализ производственных отклонений, оценка академической успеваемости или финансовое моделирование.

1. Теоретические основы: что такое нормальное распределение и зачем его визуализировать

Нормальное распределение описывает множество природных и социальных явлений — от роста людей до ошибок измерений. Его ключевые характеристики:

• 📊 Симметричность: кривая зеркально отображается относительно среднего значения (μ).
• 📉 Правило трёх сигм: 99.7% всех значений попадают в интервал [μ−3σ, μ+3σ], где σ — стандартное отклонение.
• 🔢 Площадь под кривой: всегда равна 1 (100%), что отражает вероятность всех возможных исходов.

Визуализация нормального распределения в Excel помогает:

1. Оценить, насколько ваши данные соответствуют теоретической модели (например, при контроле качества продукции).
2. Выявить выбросы — значения, которые сильно отклоняются от нормы.
3. Наглядно объяснить статистические концепции в отчётах или презентациях.

Важно понимать разницу между теоретической кривой (идеальная модель) и эмпирическим распределением (реальные данные). Первая строится по формуле плотности вероятности, вторая — по гистограмме с наложенной кривой. В Excel оба варианта реализуемы, но требуют разных подходов.

2. Подготовка данных: какие параметры нужны для построения

Для построения теоретической кривой нормального распределения вам потребуется:

Если вы работаете с реальными данными, вместо μ и σ используйте функции:

• 📌 =СРЗНАЧ(диапазон) — для расчёта среднего.
• 📌 =СТАНДОТКЛОН.В(диапазон) — для стандартного отклонения по выборке.

Пример подготовки данных для роста студентов (μ=170 см, σ=10 см):

X       Y (плотность вероятности)
140     =НОРМ.РАСП(140; 170; 10; ЛОЖЬ)
141     =НОРМ.РАСП(141; 170; 10; ЛОЖЬ)
...
200     =НОРМ.РАСП(200; 170; 10; ЛОЖЬ)

⚠️ Внимание: Если ваше стандартное отклонение близко к нулю, Excel может вернуть ошибку #ЧИСЛО!. В этом случае увеличьте диапазон X или проверьте расчёты σ.

3. Пошаговая инструкция: строим теоретическую кривую

Следуйте этому алгоритму для создания идеального колокола Гаусса:

1. Создайте столбец X: заполните значениями от μ−3σ до μ+3σ с шагом 0.5–2 (чем меньше шаг, тем плавнее кривая).
2. Рассчитайте плотность вероятности (Y): используйте функцию =НОРМ.РАСП(x; μ; σ; ЛОЖЬ) для каждой точки X.
3. Постройте график:
   • Выделите оба столбца (X и Y).
   • Перейдите на вкладку Вставка → Вставить график → Точечная с гладкими кривыми.
   • Уберите легенду и добавьте подписи осей ("Значение", "Плотность вероятности").

Создан столбец X с достаточным диапазоном (μ±3σ)|

Рассчитан столбец Y с функцией НОРМ.РАСП|

Выбрана точечная диаграмма с гладкими кривыми|

Добавлены подписи осей и название графика-->

Пример формулы для Y при μ=170 и σ=10:

=НОРМ.РАСП(A2; $D$1; $D$2; ЛОЖЬ)

где A2 — ячейка с текущим X, $D$1 и $D$2 — ячейки со средним и стандартным отклонением.

Для наглядности добавьте на график:

• 🎨 Линии μ±σ: вертикальные линии на расстоянии σ от среднего (используйте Вставка → Фигуры → Линия).
• 📝 Подписи ключевых точек: добавьте текстовые поля с значениями μ, μ±σ, μ±2σ.

4. Работа с реальными данными: гистограмма + кривая

Если у вас есть набор данных (например, результаты тестов 100 студентов), выполните следующие шаги:

1. Рассчитайте статистики:
   • Среднее: =СРЗНАЧ(диапазон)
   • Стандартное отклонение: =СТАНДОТКЛОН.В(диапазон)
   • Максимум/минимум: =МАКС() и =МИН()
2. Постройте гистограмму:
   • Выделите данные → Вставка → Гистограмма.
   • Настройте ширину интервалов (бинning) вручную через Анализ данных → Гистограмма (если доступен пакет анализа).

Максимум оси Y = 1 / (10  КОРЕНЬ(2  ПИ())) ≈ 0.0399

=НОРМ.ОБР(0.05; μ; σ)

Sub BuildNormalDistribution()
Dim ws As Worksheet
Set ws = ActiveSheet
Dim mu As Double, sigma As Double
mu = ws.Range("B1").Value ' среднее
sigma = ws.Range("B2").Value ' стандартное отклонение

' Заполняем столбец X
Dim xStart As Double, xEnd As Double, step As Double
xStart = mu - 3 * sigma
xEnd = mu + 3 * sigma
step = sigma / 10

Dim i As Integer, row As Integer
row = 4
For i = xStart To xEnd Step step
ws.Cells(row, 1).Value = i
ws.Cells(row, 2).Value = Application.WorksheetFunction.Norm_Dist(i, mu, sigma, False)
row = row + 1
Next i

' Строим график
Dim chartObj As ChartObject
Set chartObj = ws.ChartObjects.Add(Left:=100, Width:=400, Top:=50, Height:=300)
chartObj.Chart.ChartType = xlXYScatterSmoothNoMarkers
chartObj.Chart.SetSourceData Source:=ws.Range("A4:B" & row - 1)
chartObj.Chart.HasTitle = True
chartObj.Chart.ChartTitle.Text = "Нормальное распределение (μ=" & mu & ", σ=" & sigma & ")"
End Sub