Una curva a campana è un grafico che rappresenta una distribuzione normale di variabili, in cui la maggior parte dei valori si raggruppa intorno a una media, mentre i valori anomali si trovano sopra e sotto la media. Ad esempio, l’altezza umana spesso segue una curva a campana, con valori anomali che sono insolitamente bassi e alti e la maggior parte delle persone si concentra intorno a un’altezza media, come 70 pollici (178 centimetri) per gli uomini americani. Quando vengono tracciati i dati che seguono un normale modello di distribuzione, il grafico spesso assomiglia a una campana in sezione trasversale, spiegando il termine “curva a campana”.
Le distribuzioni normali o gaussiane possono essere trovate in un’ampia varietà di contesti, dai grafici dell’andamento dei mercati finanziari ai punteggi dei test. Quando le variabili vengono rappresentate graficamente e viene visualizzata una curva a campana, spesso si intende che le variabili rientravano nelle normali aspettative e che si comportano in modo prevedibile. Se il grafico è distorto o irregolare, può indicare che c’è un problema.
Idealmente, una curva a campana è simmetrica. Nel punteggio, ad esempio, un test dovrebbe essere scritto in modo tale che un piccolo numero di studenti fallisca con un F, e un numero altrettanto piccolo ottenga un punteggio perfetto con un A. Un numero leggermente maggiore di studenti dovrebbe ottenere Ds e Bs e il numero più grande dovrebbe ottenere Cs. Se la curva a campana è inclinata e il picco della curva è nei D, suggerisce che il test è stato troppo difficile, mentre un test con un picco nei B è troppo facile.
Utilizzando una curva a campana, è anche possibile arrivare alla deviazione standard per i dati. La deviazione standard mostra quanto strettamente ravvicinate siano le variabili attorno alla media. Le deviazioni standard riflettono la diversità delle variabili tracciate e possono essere utilizzate per raccogliere informazioni sulla validità dei dati. Una grande deviazione standard indica che le variabili non sono strettamente raggruppate e che potrebbe esserci un problema con i dati, mentre piccole deviazioni standard suggeriscono che i dati potrebbero essere più validi.
Ad esempio, quando vengono condotti sondaggi, la società di sondaggi rilascia le deviazioni standard. Se la deviazione standard è piccola, significa che se il sondaggio fosse ripetuto, i dati sarebbero molto vicini a quelli del sondaggio originale, suggerendo che la società di sondaggi ha utilizzato metodi validi e che le informazioni sono accurate. Se la deviazione standard è grande, tuttavia, indicherebbe che i sondaggi ripetuti potrebbero non restituire gli stessi risultati, rendendo i dati meno utili.