PoczątkującyPojęcia·6 min

Reguła empiryczna 68-95-99,7 — wyjaśnienie

Opanuj regułę empiryczną (reguła 68-95-99,7) dla rozkładów normalnych. Naucz się szybko szacować prawdopodobieństwa i identyfikować wartości odstające za pomocą odchylenia standardowego.

Czym jest reguła empiryczna?

Reguła empiryczna (zwana także regułą 68-95-99,7 lub regułą trzech sigm) to skrócona metoda zapamiętywania, jaki odsetek wartości w rozkładzie normalnym mieści się w obrębie 1, 2 i 3 odchyleń standardowych od średniej.

68%

w obrębie ±1σ

95%

w obrębie ±2σ

99,7%

w obrębie ±3σ

Wizualne objaśnienie

The Classic Bell Curve

Zakres	Odsetek
μ ± 1σ	68,27%
μ ± 2σ	95,45%
μ ± 3σ	99,73%

Zastosowania praktyczne

Szybkie szacowanie prawdopodobieństwa:Bez skomplikowanych obliczeń możesz oszacować, że ok. 95% danych mieści się w obrębie 2 odchyleń standardowych od średniej.
Wykrywanie wartości odstających:Punkty danych wykraczające poza 3σ występują rzadziej niż w 0,3% przypadków, co czyni je statystycznymi wartościami odstającymi wartymi zbadania.
Kontrola jakości:Metodologia Six Sigma wykorzystuje tę regułę do wyznaczania progów jakości i identyfikacji odchyleń procesowych.

Rozwiązane przykłady

Przykład: Wyniki SAT

Wyniki SAT mają rozkład normalny ze średnią μ = 1050 i odchyleniem σ = 200. - 68% wyników mieści się między 850 a 1250 (±1σ) - 95% wyników mieści się między 650 a 1450 (±2σ) - 99,7% wyników mieści się między 450 a 1650 (±3σ) Wynik 1450 lub wyższy plasuje ucznia w górnych ~2,5% zdających.

Ograniczenia

Działa tylko dla rozkładu normalnego

Reguła empiryczna ma zastosowanie WYŁĄCZNIE do danych o rozkładzie normalnym (Gaussa). W przypadku danych skośnych lub o innym rozkładzie podane wartości procentowe nie obowiązują. Zawsze sprawdź, czy Twoje dane mają rozkład normalny, zanim zastosujesz tę regułę.

How to Read This Article

A statistics tutorial is a practical interpretation guide, not just a formula dump. It refers to the assumptions, notation, and reporting language that analysts need when they explain a result to a teacher, manager, client, or reviewer. The article body covers the specific topic, while the sections below create a common interpretation frame that readers can reuse across related metrics.

Reading goal	What to focus on	Common mistake
Definition	What the metric is and what quantity it summarizes	Treating the formula as self-explanatory
Formula choice	Sample versus population assumptions and notation	Using n when n-1 is required or vice versa
Interpretation	Whether the result indicates concentration, spread, or risk	Calling a large value good or bad without context

Frequently Asked Questions

How should I interpret a high standard deviation?

A high standard deviation means the observations are spread farther from the mean on average. Whether that spread is acceptable depends on the context: wide dispersion might signal risk in finance, instability in manufacturing, or genuine natural variation in scientific data.

Why do some articles mention n while others mention n-1?

The denominator reflects the difference between population and sample formulas. Population variance and population standard deviation use N because the full dataset is known. Sample variance and sample standard deviation often use n-1 because Bessel’s correction reduces bias when estimating population spread from a sample.

What is a statistical interpretation guide?

A statistical interpretation guide is a page that moves beyond arithmetic and explains meaning. It tells you what a metric is, when the formula applies, and how to describe the result in plain English without overstating certainty.

Can I cite this article in a report?

You should cite the underlying authoritative reference for formal work whenever possible. This page is best used as an explanatory bridge that helps you understand the concept before quoting the original standard or handbook.

Why include direct citations on every article page?

Direct citations give readers a route to verify the definition, notation, and assumptions. That improves trust and reduces the chance that a simplified explanation is mistaken for the entire technical standard.

Authoritative References

These sources define the concepts referenced most often across our articles. Bessel's correction is a sample adjustment, variance is a squared measure of spread, and standard deviation is the square root of variance expressed in the same units as the data.