Distribution de probabilité continue en forme de cloche, entièrement définie par sa moyenne (centre) et son écart-type (largeur). Elle est fondamentale en statistique car le théorème central limite stipule que la moyenne d'un grand nombre de variables aléatoires indépendantes tend vers une loi normale, quelle que soit leur distribution individuelle. Cette propriété justifie l'utilisation des tests paramétriques (t-test, ANOVA) même pour des données non-normales si l'échantillon est suffisamment grand. La règle empirique 68-95-99.7% (proportions des données à 1, 2, 3 écarts-types de la moyenne) est utile pour l'interprétation rapide. En ML, la normalisation des features est souvent bénéfique.