Dažnio pasiskirstymo kreivė yra aprašomosios statistikos tipas, pavaizduotas kaip grafikas, rodantis tam tikro kintamojo pasireiškimo dažnį, kur x reiškia tam tikrą kintamojo pasireiškimo matą, o y – atvejų skaičių kiekviename dažnyje. Sakoma, kad esant labai didelėms populiacijoms, dažnio pasiskirstymo kreivė primena statistinį varpo kreivės idealą ir turi normalaus pasiskirstymo savybes. Varpo kreivė – taip pat žinoma kaip normalioji kreivė – pavadinta taikliai. Jis panašus į suapvalintą varpą su simetriškais galais, siaurėjančiais žemyn ir išeinančiais link nulinio dažnio x ašyje. Varpo kreivė yra padalinta į pusę idealizuoto identiško vidurkio (μ), medianos ir visų išmatuotų duomenų režimo, o pusė kiekvieno grafiko yra iš abiejų pusių.
Kai daroma prielaida, kad imties dažnio pasiskirstymo kreivė turi idealios varpo kreivės savybes, galima daryti prielaidą ir tiriamos populiacijos aspektus. Be to, standartinės statistinės formulės gali suteikti tam tikrą laipsnį, kuriuo galima pasikliauti tokiomis prielaidomis. Esant idealiajai varpo kreivei, populiacijos vidurkis, mediana ir režimas laikomi lygūs. Standartinio nuokrypio apskaičiavimas σ suteikia populiacijos duomenų „sklaidos“ matą. Idealioje kreivėje visi populiacijos duomenys, išskyrus 0.25 proc., randami plius ar minus trijų standartinių nuokrypių nuo dažnio pasiskirstymo kreivės vidurkio arba tarp μ-3σ ir μ+3σ.
Nors ideali varpelio kreivė įvairiais būdais skiriasi nuo imties dažnio pasiskirstymo kreivės, ji leidžia iš anksto suprasti tiek imties populiaciją, tiek net vieno matavimo vietą visoje imties populiacijoje. Idealioje kreivėje 68 procentai kintamojo verčių, išmatuotų imtyje ir, tikėtina, populiacijoje, bus vieno standartinio nuokrypio nuo vidurkio ribose bet kuria kryptimi arba μ-1σ ir μ+1σ. Judant toliau išilgai varpelio kreivės, 95 procentų imties ir populiacijos vertės bus plius ar minus dviejų standartinių nuokrypių nuo vidurkio arba μ-2σ ir μ+2σ. Pačiuose dažnio pasiskirstymo kreivės kraštuose visi, išskyrus 0.25 proc., patenka į plius ar minus tris standartinius nuokrypius. Tie reti matavimai, kurie yra 0.25 procento didesni už trijų standartinių nuokrypių matmenis, yra žinomi kaip nuokrypiai ir dažnai pašalinami iš duomenų, kai atliekami išvadiniai skaičiavimai.