ПочатковийКонцепції·6 min

Емпіричне правило 68-95-99,7: пояснення

Опануйте емпіричне правило (правило 68-95-99,7) для нормальних розподілів. Дізнайтеся, як швидко оцінювати ймовірності та виявляти викиди за допомогою стандартного відхилення.

Що таке емпіричне правило?

Емпіричне правило (також відоме як правило 68-95-99,7 або правило трьох сигм) — це зручний спосіб запам’ятати відсоток значень у нормальному розподілі, які потрапляють у межі 1, 2 та 3 стандартних відхилень від середнього.

68%

в межах ±1σ

95%

в межах ±2σ

99,7%

в межах ±3σ

Візуальний розбір

The Classic Bell Curve

Діапазон	Відсоток
μ ± 1σ	68,27%
μ ± 2σ	95,45%
μ ± 3σ	99,73%

Практичне застосування

Швидка оцінка ймовірностей:Без складних обчислень ви можете оцінити, що приблизно 95% даних потрапляє в межі 2 стандартних відхилень від середнього.
Виявлення викидів:Точки даних за межами 3σ трапляються менш ніж у 0,3% випадків, що робить їх статистичними викидами, які варто дослідити.
Контроль якості:Методологія Шість сигм використовує це правило для встановлення порогів якості та виявлення варіацій процесу.

Розв’язані приклади

Приклад: Результати тесту SAT

Результати SAT мають нормальний розподіл із μ = 1050 та σ = 200. - 68% балів знаходяться між 850 та 1250 (±1σ) - 95% балів знаходяться між 650 та 1450 (±2σ) - 99,7% балів знаходяться між 450 та 1650 (±3σ) Бал 1450+ ставить студента в топ ~2,5% учасників тестування.

Обмеження

Працює лише для нормальних розподілів

Емпіричне правило застосовується ЛИШЕ до даних, які підпорядковуються нормальному (Гаусовому) розподілу. Для асиметричних або ненормальних даних ці відсотки не діють. Завжди перевіряйте, чи мають ваші дані нормальний розподіл, перш ніж використовувати це правило.

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.