Вероятность и статистика · объяснение и практика
Когда правило трёх сигм применяют как приближение
Применяем приближённые доли внутри одной, двух и трёх сигм только в нормальной модели, переводим границы в исходные единицы и не выдаём редкость за невозможность.

В теме Случайные величины и распределения · Учебная карта
Главная мысль
Для нормального распределения примерно 68,3% значений лежат в μ±σ,95,4% — в μ±2σ,99,73% — в μ±3σ. Это свойства модели, а не универсальные доли для любого набора и не гарантия отсутствия значений за тремя сигмами.
Как построить интервалы в исходной шкале
Пусть нормальная модель имеет среднее 50 и стандартное отклонение 4. Интервал одной сигмы — от 46 до 54, двух — от 42 до 58, трёх — от 38 до 62. Вероятности относятся к случайному значению из этой модели. Для первого интервала ожидается около 68,3%, а не 95%; число сигм определяет нужную долю.
Границы симметричны относительно среднего, потому что нормальное распределение симметрично. Например, вне интервала 42–58 остаётся примерно 4,6%, по 2,3% в каждом хвосте. Нельзя целиком приписать эти 4,6% только превышению 58. Два хвоста и один хвост — разные события, даже если используются те же численные границы.
Почему три сигмы не означают невозможность
Вне μ±3σ остаётся примерно 0,27% вероятности, а не ноль. В 10000 независимых наблюдений из точной модели ожидается около 27 таких выходов. Фактическое число будет случайным. Один выход не опровергает нормальную модель автоматически и не доказывает ошибку измерения.
Если проверяются многие наблюдения, вероятность хотя бы одного выхода может быть заметной. Для 1000 независимых значений она приблизительно 1−0,9973¹⁰⁰⁰, то есть около 93%. Поэтому редкость события для одной точки не равна редкости хотя бы одной такой точки в большой серии. Размер серии необходимо учитывать при интерпретации сигналов.
Пример
Нормальная модель имеет μ = 100, σ = 5. Какой интервал охватывает примерно 95,4% значений?
μ±2σ = 100±10, то есть от 90 до 110. Интервал 95–105 охватывает около 68,3%, а не 95,4%.
Какие данные требуют другого подхода
Асимметричные, тяжёлохвостые или смешанные распределения могут иметь совсем другие доли в трёх сигмах. Само вычисление среднего и стандартного отклонения не делает данные нормальными. Нужны графики, знание процесса и подходящие проверки модели. Для сильно дискретных значений нормальное приближение также требует отдельного обоснования.
Правило не является доверительным интервалом среднего. Оно описывает распределение индивидуальных значений при заданных μ и σ, тогда как неопределённость оценки среднего обычно имеет другой масштаб. Если параметры оценены из тех же данных, точная интерпретация крайних наблюдений дополнительно меняется. Полезно явно назвать, рассматривается теоретическая модель, описательный набор или прогноз. Эти три задачи нельзя свести к одной надписи «правило трёх сигм» без условий.
От чтения к действию
А теперь — вы
Частые вопросы
Любое наблюдение за тремя сигмами ошибочно?
Нет. Даже нормальная модель оставляет небольшую положительную вероятность таких наблюдений.
Правило 68–95–99,7 верно для любого распределения?
Нет. Эти приблизительные доли характерны для нормального распределения.
Источники и работа с материалом
Объяснение, примеры и вопросы написаны для erudeet. Факты и определения сверены по источникам ниже; это ссылки для самостоятельной проверки.
Продолжить разбираться
Как выразить наблюдение в единицах стандартного отклонения
Стандартизуем значение относительно среднего и стандартного отклонения, читаем знак и масштаб результата и отделяем z-оценку от вероятности и процентиля.
Открыть темуКак множество проверок увеличивает риск случайной находки
Вычисляем риск хотя бы одной ложной находки при нескольких независимых тестах, объясняем поправку Бонферрони и учитываем все заранее определённые проверки.
Открыть тему