Pelo menos para mim, a suposição de normalidade surge de duas razões (muito poderosas):
O Teorema do Limite Central.
A distribuição gaussiana é uma distribuição de entropia máxima (com relação à versão contínua da entropia de Shannon).
Eu acho que você está ciente do primeiro ponto: se sua amostra é a soma de muitos processos, desde que algumas condições moderadas sejam satisfeitas, a distribuição é praticamente gaussiana (há generalizações do CLT onde você realmente não deve assumir que os rvs da soma são distribuídos de forma idêntica, veja, por exemplo, o Lyapunov CLT).
O segundo ponto é o que, para algumas pessoas (especialmente os físicos), faz mais sentido: dado o primeiro e o segundo momento de uma distribuição, a distribuição que menos informação assume (ou seja, a mais conservadora) em relação à medida contínua de entropia de Shannon (que é um tanto arbitrário no caso contínuo, mas, pelo menos para mim, totalmente objetivo no caso discreto, mas essa é outra história), é a distribuição gaussiana. Essa é uma forma do chamado "princípio da entropia máxima", que não é tão difundido porque o uso real da forma da entropia é um tanto arbitrário (consulte este artigo da Wikipedia para obter mais informações sobre essa medida ).
μ⃗ Σ ), pode mostrar-se um gaussiano multivariado.
PD: Devo acrescentar ao princípio da entropia máxima que, de acordo com este artigo , se você conhece o intervalo de variação de sua variável, deve fazer ajustes na distribuição que obtém pelo princípio da entropia máxima.