正态分布z值表——见最下文 首先我们得先来了解一下什么是正态分布： 1.正态曲线(normal curve) 正态曲线是簇曲线，呈对称钟形，均数所在处最高，两侧逐渐下降，两端在无穷处与横轴无限接近。横坐标常使用观察值组段，纵坐标常使用频数、频率及概率密度（频率与组距之比）。 2.正态分布特征 曲线概率密度函数： 式中，有4个常数， μ为总体均数，σ为总体标准差，π为圆周率，е为自然对数的底数， 其中μ、σ为不确定的常数，称为正态分布的参数。 μ是位置参数，决定着正态曲线在X轴上的位置; σ是形状参数，决定着正态曲线的分布形状 由此决定的正态分布记作N(μ,σ2)。
仅X 为随机变量。 曲线位置形状与面积特征： 标准差一样规定了曲线的形状相同，而均数不同，会使得曲线在在横轴上的位置不同，并且随着均数增大，曲线逐渐向右移动。
均数不变，标准差改变，标准差小的曲线变异度小，曲线形状就高瘦一点；标准差大的变异度大，曲线形状就矮胖一点。 标准正态分布 均数为0，标准差为1的正态分布被称为标准正态分布(standard normal distribution)。 对于任意一个服从正态分布N（μ，σ2）的随机变量，可做标准化转换。 通过标准化转换后，任意一个正态分布曲线下面积求解问题都能转换成标准正态分布曲线下面积求解问题。如下所示：
2.标准正态分布的应用 当Z的取值范围为（Z1,Z2)时，概率（面积）计算公式应为： P（Z1＜Z＜Z2）=φ（Z2）﹣φ（Z1） 因为统计表中只有Z值的左侧尾部面积，所以根据上图所示，当Z＞0时应有： φ（Z）=1-φ（﹣Z） 所以对于一个一般的正态分布问题，我们可以先通过标准化转换求得Z值，然后查表找到所对应的值后代入面积公式即可进行求解。 注意： ①曲线下面积总和为1。 ②曲线下的面积是从﹣∞积分到当前Z的面积。 ③曲线下对称于0的区间，面积相等。 ④当μ，σ和X已知时，先求Z值，再用Z值查表，得到所求区
标准正态分布表 集团文件发布号：（9816-UATWW-MWUB-WUNN-INNUL-DQQTY-
标准正态分布表
4432198653 1.80.964 1 0.964 8 0.965 6 0.966 4 0.967 2 0.967 8 0.968 6 0.969 3 0.970 0.970 6 1.90.971 3 0.971 9 0.972 6 0.973 2 0.973 8 0.974 4 0.975 0.975 6 0.976 2 0.976 7 20.977 2 0.977 8 0.978 3 0.978 8 0.979 3 0.979 8 0.980 3 0.980 8 0.981 2 0.981 7 2.10.982 1 0.982 6 0.983 0.983 4 0.983 8 0.984 2 0.984 6 0.985 0.985 4 0.985 7 2.20.986 1 0.986 4 0.986 8 0.987 1 0.987 4 0.987 8 0.988 1 0.988 4 0.988 7 0.989 2.30.989 3 0.989 6 0.989 8 0.990 1 0.990 4 0.990 6 0.990 9 0.991 1 0.991 3 0.991 6 2.40.991 8 0.992 0.992 2 0.992 5 0.992 7 0.992 9 0.993 1 0.993 2 0.993 4 0.993 6 2.50.993 8 0.994 0.994 1 0.994 3 0.994 5 0.994 6 0.994 8 0.994 9 0.995 1 0.995 2 2.60.995 3 0.995 5 0.995 6 0.995 7 0.995 9 0.996 0.996 1 0.996 2 0.996 3 0.996 4 2.70.996 5 0.996 6 0.996 7 0.996 8 0.996 9 0.997 0.997 1 0.997 2 0.997 3 0.997 4 2.80.997 4 0.997 5 0.997 6 0.997 7 0.997 7 0.997 8 0.997 9 0.997 9 0.998 0.998 1 2.90.998 1 0.998 2 0.998 2 0.998 3 0.998 4 0.998 4 0.998 5 0.998 5 0.998 6 0.998 6 x00.10.20.30.40.50.60.70.80.9 30.998 7 0.999 0.999 3 0.999 5 0.999 7 0.999 8 0.999 8 0.999 9 0.999 9 1.000 正态分布概率表 Φ（ u ） =
0.00 0.010.020.030.040.050.060.070.080.090.00.500000.496010.492020.488030.484050.480060.476080.472100.468120.464140.10.460170.456200.452240.448280.444330.440380.436440.432510.428580.424650.20.420740.416830.412940.409050.405170.401290.397430.393580.389740.385910.30.382090.378280.374480.370700.366930.363170.359420.355690.351970.348270.40.344580.340900.337240.333600.329970.326360.322760.319180.315610.312070.50.308540.305030.301530.298060.294600.291160.287740.284340.280960.277600.60.274250.270930.267630.264350.261090.257850.254630.251430.248250.245100.70.241960.238850.235760.232700.229650.226630.223630.220650.217700.214760.80.211860.208970.206110.203270.200450.197660.194890.192150.189430.186730.90.184060.181410.178790.176190.173610.171060.168530.166020.163540.161091.00.158660.156250.153860.151510.149170.146860.144570.142310.140070.137861.10.135670.133500.131360.129240.127140.125070.123020.121000.119000.117021.20.115070.113140.111230.109350.107490.105650.103830.102040.100270.0985251.30.0968000.0950980.0934180.0917590.0901230.0885080.0869150.0853430.0837930.0822641.4 0.0807570.0792700.0778040.0763590.0749340.0735290.0721450.0707810.0694370.0681121.50.0668070.0655220.0642550.0630080.0617800.0605710.0593800.0582080.0570530.0559171.60.0547990.0536990.0526160.0515510.0505030.0494710.0484570.0474600.0464790.0455141.70.0445650.0436330.0427160.0418150.0409300.0400590.0392040.0383640.0375380.0367271.80.0359300.0351480.0343800.0336250.0328840.0321570.0314430.0307420.0300540.0293791.90.0287170.0280670.0274290.0268030.0261900.0255880.0249980.0244190.0238520.0232952.00.0227500.0222160.0216920.0211780.0206750.0201820.0196990.0192260.0187630.0183092.10.0178640.0174290.0170030.0165860.0161770.0157780.0153860.0150030.0146290.0142622.20.0139030.0135530.0132090.0128740.0125450.0122240.0119110.0116040.0113040.0110112.30.0107240.0104440.0101709.9031E-039.6419E-039.3867E-039.1375E-038.8940E-038.6563E-038.4242E-032.48.1975E-037.9763E-037.7603E-037.5494E-037.3436E-037.1428E-03 6.9469E-03 6.7557E-03 6.5691E-03 6.3872E-032.5 6.2097E-03 6.0366E-03 5.8677E-03 5.7031E-03 5.5426E-03 5.3861E-03 5.2336E-03 5.0849E-03 4.9400E-03 4.7988E-032.6 4.6612E-03 4.5271E-03 4.3965E-03 4.2692E-03 4.1453E-03 4.0246E-03 3.9070E-03 3.7926E-03 3.6811E-03 3.5726E-032.7 3.4670E-03 3.3642E-03 3.2641E-03 3.1667E-03 3.0720E-03 2.9798E-03 2.8901E-03 2.8028E-03 2.7179E-03 2.6354E-032.8 2.5551E-03 2.4771E-03 2.4012E-03 2.3274E-03 2.2557E-03 2.1860E-03 2.1182E-03 2.0524E-03 1.9884E-03 1.9262E-032.9 1.8658E-03 1.8071E-03 1.7502E-03 1.6948E-03 1.6411E-03 1.5889E-03 1.5382E-03 1.4890E-03 1.4412E-03 1.3949E-033.0 1.3499E-03 1.3062E-03 1.2639E-03 1.2228E-03 1.1829E-03 1.1442E-03 1.1067E-03 1.0703E-03 1.0350E-03 1.0008E-033.19.6760E-049.3544E-049.0426E-048.7403E-048.4474E-048.1635E-047.8885E-047.6219E-047.3638E-047.1136E-043.2 6.8714E-04 6.6367E-04 6.4095E-04 6.1895E-04 5.9765E-04 5.7703E-04 5.5706E-04 5.3774E-04 5.1904E-04 5.0094E-043.3 4.8342E-04 4.6648E-04 4.5009E-04 4.3423E-04 4.1889E-04 4.0406E-04 3.8971E-04 3.7584E-04 3.6243E-04 3.4946E-043.4 3.3693E-04 3.2481E-04 3.1311E-04 3.0179E-04 2.9086E-04 2.8029E-04 2.7009E-04 2.6023E-04 2.5071E-04 2.4151E-043.5 2.3263E-04 2.2405E-04 2.1577E-04 2.0778E-04 2.0006E-04 1.9262E-04 1.8543E-04 1.7849E-04 1.7180E-04 1.6534E-043.6 1.5911E-04 1.5310E-04 1.4730E-04 1.4171E-04 1.3632E-04 1.3112E-04 1.2611E-04 1.2128E-04 1.1662E-04 1.1213E-043.7 1.0780E-04 1.0363E-049.9611E-059.5740E-059.2010E-058.8417E-058.4957E-058.1624E-057.8414E-057.5324E-053.87.2348E-05 6.9483E-05 6.6726E-05 6.4072E-05 6.1517E-05 5.9059E-05 5.6694E-05 5.4418E-05 5.2228E-05 5.0122E-053.9 4.8096E-05 4.6148E-05 4.4274E-05 4.2473E-05 4.0741E-05 3.9076E-05 3.7475E-05 3.5936E-05 3.4458E-05 3.3037E-05 ※ Microsoft Excel 2004 for Mac で，NORMSDIST関数を使って作成． 2005. 10. 30 浅野 晃 標準正規分布表（P (Z z )） z の小数第１位まで z の小数第２位
标准正态分布 标准正态分布（英语：standard normal distribution，德语Standardnormalverteilung），是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。期望值μ=0，即曲线图象对称轴为Y轴，标准差σ=1条件下的正态分布，记为N(0，1)。 定义： 标准正态分布又称为u分布，是以0为均数、以1为标准差的正态分布，记为N（0，1）。标准正态分布曲线下面积分布规律是：在-1.96～+1.96范围内曲线下的面积等于0.9500，在-2.58～+2.58范围内曲线下面积为0.9900。统计学家还制定了一张统计用表（自由度为∞时），借助该表就可以估计出某些特殊u1和u2值范围内的曲线下面积。 正态分布的概率密度函数曲线呈钟形，因此人们又经常称之为钟形曲线。我们通常所说的标准正态分布是位置参数均数为0, 尺度参数：标准差为1的正态分布 特点： 密度函数关于平均值对称 平均值与它的众数（statistical mode）以及中位数（median）同一数值。 函数曲线下68.268949%的面积在平均数左右的一个标准差范围内。 95.449974%的面积在平均数左右两个标准差的范围内。 99.730020%的面积在平均数左右三个标准差的范围内。 99.993666%的面积在平均数左右四个标准差的范围内。 函数曲线的反曲点（inflection point）为离平均数一个标准差距离的位置。 标准偏差：
深蓝色区域是距平均值小于一个标准差之内的数值范围。在正态分布中，此范围所占比率为全部数值之68%，根据正态分布，两个标准差之内的比率合起来为95%；三个标准差之内的比率合起来为99%。 在实际应用上，常考虑一组数据具有近似于正态分布的概率分布。若其假设正确，则约68.3%数值分布在距离平均值有1个标准差之内的范围，约95.4%数值分布在距离平均值有2个标准差之内的范围，以及约99.7%数值分布在距离平均值有3个标准差之内的范围。称为“68-95-99.7法则”或“经验法则”
标准正态分布表 x 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0 0.500 0 0.504 0 0.508 0 0.512 0 0.516 0 0.519 9 0.523 9 0.527 9 0.531 9 0.535 9 0.1 0.539 8 0.543 8 0.547 8 0.551 7 0.555 7 0.559 6 0.563 6 0.567 5 0.571 4 0.575 3 0.2 0.579 3 0.583 2 0.587 1 0.591 0 0.594 8 0.598 7 0.602 6 0.606 4 0.610 3 0.614 1 0.3 0.617 9 0.621 7 0.625 5 0.629 3 0.633 1 0.636 8 0.640 4 0.644 3 0.648 0 0.651 7 0.4 0.655 4 0.659 1 0.662 8 0.666 4 0.670 0 0.673 6 0.677 2 0.680 8 0.684 4 0.687 9 0.5 0.691 5 0.695 0 0.698 5 0.701 9 0.705 4 0.708 8 0.712 3 0.715 7 0.719 0 0.722 4 0.6 0.725 7 0.729 1 0.732 4 0.735 7 0.738 9 0.742 2 0.745 4 0.748 6 0.751 7 0.754 9 0.7 0.758 0 0.761 1 0.764 2 0.767 3 0.770 3 0.773 4 0.776 4 0.779 4 0.782 3 0.785 2 0.8 0.788 1 0.791 0 0.793 9 0.796 7 0.799 5 0.802 3 0.805 1 0.807 8 0.810 6 0.813 3 0.9 0.815 9 0.818 6 0.821 2 0.823 8 0.826 4 0.828 9 0.835 5 0.834 0 0.836 5 0.838 9 1 0.841 3 0.843 8 0.846 1 0.848 5 0.850 8 0.853 1 0.855 4 0.857 7 0.859 9 0.86 2 1 1.1 0.864 3 0.866 5 0.868 6 0.870 8 0.872 9 0.87 4 9 0.877 0 0.879 0 0.881 0 0.883 0 1.2 0.884 9 0.886 9 0.888 8 0.890 7 0.892 5 0.894 4 0.89 6 2 0.898 0 0.899 7 0.901 5 1.3 0.903 2 0.904 9 0.906 6 0.90 8 2 0.90 9 9 0.911 5 0.913 1 0.914 7 0.916 2 0.917 7 1.4 0.919 2 0.920 7 0.922 2 0.923 6 0.925 1 0.926 5 0.927 9 0.929 2 0.930 6 0.931 9 1.5 0.933 2 0.934 5 0.935 7 0.937 0 0.938 2 0.939 4 0.940 6 0.941 8 0.943 0 0.944 1 1.6 0.945 2 0.946 3 0.947 4 0.948 4 0.949 5 0.950 5 0.951 5 0.952 5 0.953 5 0.953 5 1.7 0.955 4 0.956 4 0.957 3 0.958 2 0.959 1 0.959 9 0.960 8 0.961 6 0.962 5 0.963 3 1.8 0.964 1 0.964 8 0.965 6 0.966 4 0.967 2 0.967 8 0.968 6 0.969 3 0.970 0 0.970 6 1.9 0.971 3 0.971 9 0.972 6 0.973 2 0.973 8 0.974 4 0.975 0 0.975 6 0.976 2 0.976 7 2 0.977 2 0.977 8 0.978 3 0.978 8 0.979 3 0.979 8 0.980 3 0.980 8 0.981 2 0.981 7 2.1 0.982 1 0.982 6 0.983 0 0.983 4 0.983 8 0.984 2 0.984 6 0.98 5 0 0.985 4 0.985 7 2.2 0.98 6 1 0.986 4 0.986 8 0.98 7 1 0.987 4 0.987 8 0.988 1 0.988 4 0.988 7 0.98 9 0 2.3 0.989 3 0.989 6 0.989 8 0.990 1 0.990 4 0.990 6 0.990 9 0.991 1 0.991 3 0.991 6 2.4 0.991 8 0.992 0 0.992 2 0.992 5 0.992 7 0.992 9 0.993 1 0.993 2 0.993 4 0.993 6 2.5 0.993 8 0.994 0 0.994 1 0.994 3 0.994 5 0.994 6 0.994 8 0.994 9 0.995 1 0.995 2 2.6 0.995 3 0.995 5 0.995 6 0.995 7 0.995 9 0.996 0 0.996 1 0.996 2 0.996 3 0.996 4 2.7 0.996 5 0.996 6 0.996 7 0.996 8 0.996 9 0.997 0 0.997 1 0.997 2 0.997 3 0.997 4 2.8 0.997 4 0.997 5 0.997 6 0.997 7 0.997 7 0.997 8 0.997 9 0.997 9 0.998 0 0.998 1 2.9 0.998 1 0.998 2 0.998 2 0.998 3 0.998 4 0.998 4 0.998 5 0.998 5 0.998 6 0.998 6 x 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 3 0.998 7 0.999 0 0.999 3 0.999 5 0.999 7 0.999 8 0.999 8 0.999 9 0.999 9 1.000 0
利用Excel的NORMSDIST计算正态分布函数表1
利用Excel的NORMSDIST函数建立正态 分布表 董大钧，乔莉 沈阳理工大学应用技术学院、信息与控制分院， 辽宁抚顺113122 摘要：利用Excel办公软件特有的NORMSDIST函数可以很准确方便的建立正态分布表、查找某分位数点的正态分布概率值,极大的提高了数理统计的效率。该函数可返回指定平均值和标准偏差的正态分布函数，将其引入到统计及数据分析处理过程中，代替原有的手工查找正态分布表，除具有直观、形象、易用等特点外,更增加了动态功能,极大提高了工作效率及准确性。 关键词：Excel；正态分布；函数；统计 引言 正态分布是应用最广泛的连续概率分布，生产与科学实验中很多随机变量的概率分布都可以近似地用正态分布来描述。例如，在生产条件不变的情况下，某种产品的张力、抗压强度、口径、长度等指标；同一种生物体的身长、体重等指标；同一种种子的重量；测量同一物体的误差；弹着点沿某一方向的偏差；某个地区的年降水量；以及理想气体分子的速度分量等等。一般来说，如果一个量是由许多微小的独立随机因素影响的结果，那么就可以认为这个量具有正态分
布。从理论上看，正态分布具有很多良好的性质，许多概率分布可以用它来近似；还有一些常用的概率分布是由它直接导出的，例如对数正态分布、t分布、F分布等。在科学研究及数理统计计算过程中，人们往往要通过某本概率统计教材附录中的正态分布表去查找，非常麻烦。若手头有计算机，并安装有Excel软件，就可以利用Excel的NORMSDIST( x )函数进行计算某分位数点的正态分布概率值，或建立一个正态分布表，准确又方便。 1 正态分布及其应用 正态分布（normal distribution）又名高斯分布（Gaussian distribution），是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。若随机变量X服从一个数学期望为μ、标准方差为σ2的高斯分布，记为N(μ，σ2)。则其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。因其曲线呈钟形，因此人们又经常称之为钟形曲线。我们通常所说的标准正态分布是μ = 0,σ = 1的正态分布。服从正态分布的随机变量的概率规律为取与μ邻近的值的概
正态概率图(normal probability plot) 方法演变：概率图，分位数-分位数图( Q- Q) 概述 正态概率图用于检查一组数据是否服从正态分布。是实数与正态分布数据之间函数关系的散点图。如果这组实数服从正态分布，正态概率图将是一条直线。通常，概率图也可以用于确定一组数据是否服从任一已知分布，如二项分布或泊松分布。 适用场合 ·当你采用的工具或方法需要使用服从正态分布的数据时； ·当有50个或更多的数据点，为了获得更好的结果时。 例如： ·确定一个样本图是否适用于该数据； ·当选择作X和R图的样本容量，以确定样本容量是否足够大到样本均值服从正态分布时； ·在计算过程能力指数Cp或者Cpk之前； ·在选择一种只对正态分布有效的假设检验之前。
实施步骤 通常，我们只需简单地把数据输入绘图的软件，就会产生需要的图。下面将详述计算过程，这样就可以知道计算机程序是怎么来编译的了，并且我们也可以自己画简单的图。 1将数据从小到大排列，并从1～n标号。 2计算每个值的分位数。i是序号： 分位数＝(i－0.5)/n 3找与每个分位数匹配的正态分布值。把分位数记到正态分布概率表下面的表A.1里面。然后在表的左边和顶部找到对应的z值。 4根据散点图中的每对数据值作图：每列数据值对应个z值。数据值对应于y轴，正态分位数z值对应于x轴。将在平面图上得到n个点。
5画一条拟合大多数点的直线。如果数据严格意义上服从正态分布，点将形或一条直线。将点形成的图形与画的直线相比较，判断数据拟合正态分布的好坏。请参阅注意事项中的典型图形。可以计算相关系数来判断这条直线和点拟合的好坏。 示例 为了便于下面的计算，我们仅采用20个数据。表5. 12中有按次序排好的20个 值，列上标明“过程数据”。 下一步将计算分位数。如第一个值9，计算如下： 分位数＝(i－0.5)/n＝(1－0.5)/20＝0.5/20＝0.025同理，第2个值，计算如下： 分位数＝(i－0.5)/n＝(2－0.5)/20＝1.5/20＝0.075可以按下面的模式去计算：第3个分位数=2.5÷20，第4个分位数＝3 5÷20 以此类推直到最后1个分位数＝19. 5÷20。 现在可以在正态分布概率表中查找z值。z的前两 个阿拉伯数字在表的最左边一列，最后1个阿拉伯数 字在表的最顶端一行。如第1个分位数＝0. 025，它 位于－1.9在行与0.06所在列的交叉处，故z＝－ 1.96。用相同的方式找到每个分位数。 如果分位数在表的两个值之间，将需要用插值法进行求解。例如：第4个分位数为0.
标准正态分布表 就力二「冷=亡P（X 正态分布概率表 0( u ) t F(t)t F(0t F( t)t F(t) 0+00O.COOO0,230.181 90,460.354 50.690.509 8 0.010.008 00.24o, m70.470,361 60J00.516 1 0+020.016 00,250,197 40,480.368 80+710,522 3 0+030023 90 260.205 10,490.375 91720.528 5 0.04 C.031 90.270.212 80.500.382 90.730.534 6 0.050+039 90.280.220 50.510.389 90.740.540 7 0.060.047 80 290. 22S 20.520.396 90.750.546 7 0,070,055 S0. 300.235 80.530.403 90.760.552 7 0.0S0.063 8(1. 310.243 40.540.410 80.770.558 7 0 + 090.071 7C,320.251 00&0.417 70+780.564 6 (k 1U0079 7(J. 330.258 60.560.424 50+790.570 5 0.11O.fi87 6 C. 340.266 10.570.431 3o.so0, 57 6 3 4 120.09 5 50 350.273 70,5S0,43S 1 0.S10.582 1 A130.103 1 C. 360.281 20.590.444 80,820.587 8 0.140,111 30. 370.288 60.600.451 50.S30.593 5 0+150.119 20.380,29 6 10.610.458 1 (U40*599 1 0.160,12 7 ] 0.390, 303 50.620.464 70.350,604 7 0.170 135 0G.400310 80.630.471 30, R60.6102 0.180J42 S0.410.31 8 20.640.477 S0+870,15 7 0.190.150 70 420325 50.650.484 30+880.621 1 0.200.158 50.430. 332 80.660.490 70.890 . 62 6 5 0,210J66 3C,440.340 10.670.497 1 0.900.631 9 A 220.174 ] 0.45(L 347 30.680.503 50.910.637 2 利用Excel的NORMSDIST函数建立正态 分布表 董大钧，乔莉 理工大学应用技术学院、信息与控制分院，113122 摘要：利用Excel办公软件特有的NORMSDIST函数可以很准确方便的建立正态分布表、查找某分位数点的正态分布概率值,极大的提高了数理统计的效率。该函数可返回指定平均值和标准偏差的正态分布函数，将其引入到统计及数据分析处理过程中，代替原有的手工查找正态分布表，除具有直观、形象、易用等特点外,更增加了动态功能,极大提高了工作效率及准确性。 关键词：Excel；正态分布；函数；统计 引言 正态分布是应用最广泛的连续概率分布，生产与科学实验中很多随机变量的概率分布都可以近似地用正态分布来描述。例如，在生产条件不变的情况下，某种产品的力、抗压强度、口径、长度等指标；同一种生物体的身长、体重等指标；同一种种子的重量；测量同一物体的误差；弹着点沿某一方向的偏差；某个地区的年降水量；以及理想气体分子的速度分量等等。一般来说，如果一个量是由许多微小的独立随机因素影响的结果，那么就可以认为这个量具有正态分布。从理论上看，正态分布具有很多良好的性质，许多概率分布可以用它来近似；还有一些常用的概率分布是由它直接导出的，例如对数正态分布、t分布、F分布等。在科学研究及数理统计计算过程中，人们往往要通过某本概率统计教材附录中的正态分布表去查找，非常麻烦。若手头有计算机，并安装有Excel软件，就可以利用Excel的NORMSDIST( x )函数进行计算某分位数点的正态分布概率值，或建立一个正态分布表，准确又方便。 1 正态分布及其应用 正态分布（normal distribution）又名高斯分布（Gaussian distribution），是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。若随机变量X服从一个数学期望为μ、标准方差为σ2的高斯分布，记为N(μ，σ2 )。则其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。因其曲线呈钟 附表1. 标准正态分布表 x0.000.010.020.030.040.050.060.070.080.09 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2.0 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.90.500 0 0.539 8 0.579 3 0.617 9 0.655 4 0.691 5 0.725 7 0.758 0 0.788 1 0.815 9 0.841 3 0.864 3 0.884 9 0.903 2 0.919 2 0.933 2 0.945 2 0.955 4 0.964 1 0.971 3 0.977 2 0.982 1 0.986 1 0.989 3 0.991 8 0.993 8 0.995 3 0.996 5 0.997 4 0.998 1 0.504 0 0.543 8 0.583 2 0.621 7 0.659 1 0.695 0 0.729 1 0.761 1 0.791 0 0.818 6 0.843 8 0.866 5 0.886 9 0.904 9 0.920 7 0.934 5 0.946 3 0.956 4 0.964 8 0.971 9 0.977 8 0.982 6 0.986 4 0.989 6 0.992 0 0.994 0 0.995 5 0.996 6 0.997 5 0.998 2 0.508 0 0.547 8 0.587 1 0.625 5 0.662 8 0.698 5 0.732 4 0.764 2 0.793 9 0.821 2 0.846 1 0.868 6 0.888 8 0.906 6 0.922 2 0.935 7 0.947 4 0.957 3 0.965 6 0.972 6 0.978 3 0.983 0 0.986 8 0.989 8 0.992 2 0.994 1 0.995 6 0.996 7 0.997 6 0.998 2 0.512 0 0.551 7 0.591 0 0.629 3 0.666 4 0.701 9 0.735 7 0.767 3 0.796 7 0.823 8 0.848 5 0.870 8 0.890 7 0.908 2 0.923 6 0.937 0 0.948 4 0.958 2 0.966 4 0.973 2 0.978 8 0.983 4 0.987 1 0.990 1 0.992 5 0.994 3 0.995 7 0.996 8 0.997 7 0.998 3 0.516 0 0.555 7 0.594 8 0.633 1 0.670 0 0.705 4 0.738 9 0.770 3 0.799 5 0.826 4 0.850 8 0.872 9 0.892 5 0.909 9 0.925 1 0.938 2 0.949 5 0.959 1 0.967 2 0.973 8 0.979 3 0.983 8 0.987 4 0.990 4 0.992 7 0.994 5 0.995 9 0.996 9 0.997 7 0.998 4 0.519 9 0.559 6 0.598 7 0.636 8 0.673 6 0.708 8 0.742 2 0.773 4 0.802 3 0.828 9 0.853 1 0.874 9 0.894 4 0.911 5 0.926 5 0.939 4 0.950 5 0.959 9 0.967 8 0.974 4 0.979 8 0.984 2 0.987 8 0.990 6 0.992 9 0.994 6 0.996 0 0.997 0 0.997 8 0.998 4 0.523 9 0.563 6 0.602 6 0.640 4 0.677 2 0.712 3 0.745 4 0.776 4 0.805 1 0.835 5 0.855 4 0.877 0 0.896 2 0.913 1 0.927 9 0.940 6 0.951 5 0.960 8 0.968 6 0.975 0 0.980 3 0.984 6 0.988 1 0.990 9 0.993 1 0.994 8 0.996 1 0.997 1 0.997 9 0.998 5 0.527 9 0.567 5 0.606 4 0.644 3 0.680 8 0.715 7 0.748 6 0.779 4 0.807 8 0.834 0 0.857 7 0.879 0 0.898 0 0.914 7 0.929 2 0.941 8 0.952 5 0.961 6 0.969 3 0.975 6 0.980 8 0.985 0 0.988 4 0.991 1 0.993 2 0.994 9 0.996 2 0.997 2 0.997 9 0.998 5 0.531 9 0.571 4 0.610 3 0.648 0 0.684 4 0.719 0 0.751 7 0.782 3 0.810 6 0.836 5 0.859 9 0.881 0 0.899 7 0.916 2 0.930 6 0.943 0 0.953 5 0.962 5 0.970 0 0.976 2 0.981 2 0.985 4 0.988 7 0.991 3 0.993 4 0.995 1 0.996 3 0.997 3 0.998 0 0.998 6 0.535 9 0.575 3 0.614 1 0.651 7 0.687 9 0.722 4 0.754 9 0.785 2 0.813 3 0.838 9 0.862 1 0.883 0 0.901 5 0.917 7 0.931 9 0.944 1 0.953 5 0.963 3 0.970 6 0.976 7 0.981 7 0.985 7 0.989 0 0.991 6 0.993 6 0.995 2 0.996 4 0.997 4 0.998 1 0.998 6 x0.00.10.20.30.40.50.60.70.80.9 30.998 70.999 00.999 30.999 50.999 70.999 80.999 80.999 90.999 9 1.000 0 正态性检验的一般方法 姓名：蓝何忠 学号：1101200203 班号：1012201 正态性检验的一般方法 【摘要】：正态分布是自然界中一种最常见的也是最重要的一种分布.因此,人们在实际使用统计分析时,总是乐于正态假定,但该假定是否成立,牵涉到正态性检验.在一般性的概率统计教科书中,只是把这个 问题放在一般性的分布拟合下作简短处理,而这种万精油式的检验方法,对正态性检验不具有特效.鉴于此,该文从不同角度出发介绍正态性检验的几种常见的方法,并且就各种方法作了优劣比较, 【引言】一般实际获得的数据，其分布往往未知。在数据分析中，经常要判断一组数据的分布是否来自某一特定的分布，比如对于连续性分布，常判断数据是否来自正态分布，而对于离散分布来说，常判断是否来自二项分布.泊松分布，或判断实际观测与期望数是否一致，然后才运用相应的统计方法进行分析。 几种正态性检验方法的比较。 2?一、拟合优度检验： （1）当总体分布未知，由样本检验总体分布是否与某一理论分布一致。 H0: 总体X的分布列为p{X=}=,i=1,2,…… H1：总体 X. 的分布不为 构造统计量 为真时H0发生的理为为样本中发生的实际频数,其中论频数。2）检验原理（2?意味着对于，=,观测频数与期望频数完全一致，若=0，则即完全拟合。 2?观察频数与期望频数越接近，则值越小。 2?当原假设为真时，有大数定理，与不应有较大差异，即值应较小。 2?若值过大，则怀疑原假设。 2?拒绝域为R={d} ，判断统计量是否落入拒绝域，得出结论。 二、Kolmogorov-Smirnov正态性检验： Kolmogorov-Smirnov检验法是检验单一样本是否来自某一特定它的 检验方法是以样本数比如检验一组数据是否为正态分布。分布。． 据的累积频数分布与特定理论分布比较，若两者间的差距很小，则推论该样本取自某特定分布族。即对于假设检验问题： H0:样本所来自的总体分布服从某特定分布 H1：样本所来自的总体分布不服从某特定分布 统计原理：Fo（x）表示分布的分布函数，Fn（x）表示一组随机样本的累计概率函数。 #}n1,2,,x{x?,i?i?)F(x n n : x）差距的最大值，定义如下式Fn为Fo(x)与（D设 D=max|Fn(x)-Fo(x)| P{Dn>d}=a. a，对于给定的位健康男性在未进食前的血糖浓度如表所示，试测验这组35例如： =6的正态分布，标准差数据是否来自均值μ=80σ87 77 92 68 80 78 84 77 81 80 80 77 92 86 76 80 81 75 77 72 81 90 84 86 80 68 77 87 76 77 78 92 75 80 78 n=35 检验过程如下：健康成人男性血糖浓度服从正态分布 H0:假设健康成人男性血糖浓度不服从正态分布 H1: 计算过程如表： 2．4正态分布 复习引入： 总体密度曲线:样本容量越大，所分组数越多，各组的频率就越接近于总体在相应各组取值的概率．设想样本容量无限增大，分组的组距无限缩小，那么频率分布直方图就会无限接近于一条光滑曲线,这条曲线叫做总体密度曲线． 总体密度曲线 b 单位 O 频率/组距 a 它反映了总体在各个范围内取值的概率．根据这条曲线，可求出总体在区间(a，b)内取值的概率等于总体密度曲线，直线x=a，x=b及x轴所围图形的面积． 观察总体密度曲线的形状，它具有“两头低，中间高，左右对称”的特征，具有这种特征的总体密度曲线一般可用下面函数的图象来表示或近似表示： 2 2 () 2 , 1 (),(,) 2 x x e x μ σ μσ ? πσ - - =∈-∞+∞ 式中的实数μ、)0 (> σ σ是参数，分别表示总体的平均数与标准差，, ()x μσ ? 的图象为正态分布密度曲线,简称正态曲线． 讲解新课： 一般地，如果对于任何实数a b <，随机变量X 满足 ,()()b a P a X B x dx μσ?<≤=?, 则称 X 的分布为正态分布（normal distribution ) ．正态分布完全由参数μ和σ确定，因此正态分布常记作),(2 σ μN ．如果随机变量 X 服从正态分布，则记为X ～),(2σμN . 经验表明，一个随机变量如果是众多的、互不相干的、不分主次的偶然因素作用结果之和，它就服从或近似服从正态分布．例如，高尔顿板试验中，小球在下落过程中要与众多小木块发生碰撞，每次碰撞的结果使得小球随机地向左或向右下落，因此小球第1次与高尔顿板底部接触时的坐标 X 是众多随机碰撞的结果，所以它近似服从正态分布．在现实生活中，很多随机变量都服从或近似地服从正态分布．例如长度测量误差；某一地区同年龄人群的身高、体重、肺活量等；一定条件下生长的小麦的株高、穗长、单位面积产量等；正常生产条件下各种产品的质量指标（如零件的尺寸、纤维的纤度、电容器的电容量、电子管的使用寿命等）；某地每年七月份的平均气温、平均湿度、降雨量等；一般都服从正态分布．因此，正态分布广泛存在于自然现象、生产和生活实际之中．正态分布在概率和统计中占有重要的地位． 说明:1参数μ是反映随机变量取值的平均水平的特征数，可以用样本均值去佑计；σ是衡量随机变量总体波动大小的特征数，可以用样本标准差去估计． 2.早在 1733 年，法国数学家棣莫弗就用n ！的近似公式得到了正态分布．之后，德国数学家高斯在研究测量误差时从另一个角度导出了它，并研究了它的性质，因此，人们也称正态分布为高斯分布． 2．正态分布),(2 σ μN ）是由均值μ和标准差σ唯一决定的分布 通过固定其中一个值，讨论均值与标准差对于正态曲线的影响利用Excel的NORMSDIST计算正态分布函数表
标准正态分布查询表
正态性检验的一般方法汇总
正态分布讲解(含标准表)
相关主题
文本预览