Zvana līkne ir grafiks, kas attēlo mainīgo lielumu normālu sadalījumu, kurā lielākā daļa vērtību grupējas ap vidējo, savukārt novirzes var atrast virs un zem vidējā. Piemēram, cilvēka augums bieži atbilst zvana līknei, ar neparasti īsiem un gariem rādītājiem, un lielākā daļa cilvēku koncentrējas ap vidējo augumu, piemēram, amerikāņu vīriešiem 70 collas (178 centimetrus). Kad tiek attēloti dati, kas atbilst normālam sadalījuma modelim, grafiks šķērsgriezumā bieži atgādina zvaniņu, izskaidrojot terminu “zvana līkne”.
Parastos vai Gausa sadalījumus var atrast dažādos kontekstos, sākot no finanšu tirgu darbības grafikiem līdz testu rezultātiem. Kad mainīgie tiek attēloti grafikā un parādās zvana līkne, tas bieži tiek uzskatīts par to, ka mainīgie atbilst normālajām prognozēm un ka tie darbojas paredzamā veidā. Ja grafiks ir šķībs vai neregulārs, tas var norādīt, ka pastāv problēma.
Ideālā gadījumā zvana līkne ir simetriska. Piemēram, vērtējot, kontroldarbs jāraksta tā, lai neliels skaits skolēnu nesekmīgi ar F, bet tikpat mazs skaits iegūtu perfektu punktu skaitu ar A. Nedaudz lielākam skolēnu skaitam vajadzētu iegūt D un B. , un lielākajam skaitam vajadzētu iegūt Cs. Ja zvana līkne ir šķība un līknes maksimums atrodas Ds, tas liecina, ka tests bija pārāk grūts, savukārt tests ar maksimumu Bs ir pārāk viegls.
Izmantojot zvana līkni, ir iespējams iegūt arī datu standarta novirzi. Standarta novirze parāda, cik cieši mainīgie ir aptuveni vidēji. Standarta novirzes atspoguļo attēlojamo mainīgo daudzveidību, un tās var izmantot, lai apkopotu informāciju par datu derīgumu. Liela standarta novirze norāda, ka mainīgie nav cieši sagrupēti un ka var būt problēmas ar datiem, savukārt nelielas standarta novirzes liecina, ka dati var būt derīgāki.
Piemēram, kad tiek veiktas aptaujas, aptaujas uzņēmums izlaiž standarta novirzes. Ja standarta novirze ir maza, tas nozīmē, ka, ja aptauja tiktu atkārtota, dati būtu ļoti tuvi sākotnējās aptaujas datiem, kas liecina, ka aptaujas uzņēmums izmantoja derīgas metodes un informācija ir precīza. Tomēr, ja standarta novirze ir liela, tas norāda, ka atkārtotas aptaujas var neatdot tādus pašus rezultātus, padarot datus mazāk noderīgus.