Denne figur skal illustrere to ting [b]1. Normalfordelingen opstår "naturligt"[/b] For kast med en terning er fordelingen af antallet af øjne velkendt, og man kan let beregne middelværdien [math]\mu_1=3.5[/math] og variansen [math]\sigma_1^2=2.91[/math] (se f.eks. [1] nedenfor). For kast med syv terninger er [list] [*]middelværdien [math]\mu = 7\cdot \mu_1 = 24.5[/math], [*]spredningen [math]\sigma = \sqrt{7\cdot \sigma_1^2}=4.52[/math], og [*]fordelingen [i]med god tilnærmelse[/i] normalfordelt [math]N(\mu,\sigma)[/math]. Normalfordelingskurven er vist med rødt nedenfor. [/list] [b]2. Den statistiske usikkerhed afhænger af stikprøvens størrelse[/b] Start animationen ved at trykke på "play"-ikonet (nederst til venstre på figuren). I hver runde udføres der et antal (virtuelle) terningekast, og frekvenserne for de forskellige antal øjne (fra 7 til 42) vises i form af et søjlediagram. Jo flere gange man slår med terningerne, jo tættere vil frekvenserne komme på den "rigtige" fordeling. Brug skydeknappen til at øge antallet af kast i hver runde (stikprøvestørrelsen).
Det fænomen at normalfordelingen "opstår" på denne måde er et resultat af [i]den centrale grænseværdisætning[/i] (som er en længere historie; se f.eks. Wikipedia [2].) [1] [url]http://sugarpillstudios.com/wp/?page_id=1004[/url] [2] [url]https://en.wikipedia.org/wiki/Central_limit_theorem[/url]