BaşlangıçKavramlar·6 min

68-95-99,7 Ampirik Kuralı Açıklaması

Normal dağılımlar için ampirik kuralı (68-95-99,7 kuralı) öğrenin. Standart sapma kullanarak olasılıkları hızla tahmin etmeyi ve aykırı değerleri belirlemeyi keşfedin.

Ampirik Kural Nedir?

Ampirik kural (68-95-99,7 kuralı veya üç sigma kuralı olarak da bilinir), normal dağılımda ortalamanın 1, 2 ve 3 standart sapması içinde kalan değerlerin yüzdesini hatırlamak için bir kısayoldur.

%68

±1σ içinde

%95

±2σ içinde

%99,7

±3σ içinde

Görsel Ayrıntılar

The Classic Bell Curve

Aralık	Yüzde
μ ± 1σ	%68,27
μ ± 2σ	%95,45
μ ± 3σ	%99,73

Pratik Uygulamalar

Hızlı Olasılık Tahminleri:Karmaşık hesaplamalar yapmadan, verilerin yaklaşık %95’inin ortalamanın 2 standart sapması içinde kaldığını tahmin edebilirsiniz.
Aykırı Değer Tespiti:3σ’nın ötesindeki veri noktaları rastgele olarak zamanın %0,3’ünden daha azında ortaya çıkar, bu da onları araştırılmaya değer istatistiksel aykırı değerler yapar.
Kalite Kontrol:Altı Sigma metodolojisi, kalite eşiklerini belirlemek ve süreç varyasyonlarını tespit etmek için bu kuralı kullanır.

Çözümlü Örnekler

Örnek: SAT Puanları

SAT puanları μ = 1050 ve σ = 200 ile normal dağılımlıdır. - Puanların %68’i 850 ile 1250 arasındadır (±1σ) - Puanların %95’i 650 ile 1450 arasındadır (±2σ) - Puanların %99,7’si 450 ile 1650 arasındadır (±3σ) 1450+ puan, bir öğrenciyi sınava girenlerin en üst ~%2,5’ine yerleştirir.

Sınırlamalar

Yalnızca Normal Dağılımlar İçin Geçerlidir

Ampirik kural YALNIZCA normal (Gauss) dağılımı takip eden veriler için geçerlidir. Çarpık veya normal olmayan veriler için bu yüzdeler geçerli değildir. Bu kuralı uygulamadan önce verilerinizin normal dağılıp dağılmadığını her zaman kontrol edin.

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.