正态分布图像和参数的关系

正态分布维基百科，自由的百科全书跳转到：导航, 搜索此条目或章节需要精通或熟悉本主题的专家参与编辑请协助邀请适合的人士，或参照相关专业文献，自行改善这篇条目。

更多的细节与详情请参见条目讨论页。

汉漢▼正态分布概率密度函数绿线代表标准正态分布累积分布函数颜色与概率密度函数同参数μlocation（real）σ2 > 0 squared scale（real）支撑集概率密度函數累积分布函数期望值μ中位数μ众数μ方差σ2偏度0峰度 3信息熵动差生成函数特性函数正态分布（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：X∼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（见右图中绿色曲线）。

目录• 1 概要o 1.1 历史• 2 正态分布的定义o 2.1 概率密度函数o 2.2 累积分布函数o 2.3 生成函数▪ 2.3.1 动差生成函数▪ 2.3.2 特征函数• 3 性质o 3.1 标准化正态随机变量o 3.2 矩(英文:moment)o 3.3 生成正态随机变量o 3.4 中心极限定理o 3.5 无限可分性o 3.6 稳定性o 3.7 标准偏差• 4 正态测试• 5 相关分布• 6 参量估计o 6.1 参数的极大似然估计▪ 6.1.1 概念一般化o 6.2 参数的矩估计•7 常见实例o7.1 光子计数o7.2 计量误差o7.3 生物标本的物理特性o7.4 金融变量o7.5 寿命o7.6 测试和智力分布•8 计算统计应用o8.1 生成正态分布随机变量•9 参见•10 引用条目•11 外部连接[编辑]概要正态分布是自然科学与行为科学中的定量现象的一个方便模型。

高考正态分布知识点在统计学中，正态分布是一种重要的概率分布，也被称为钟形曲线或高斯分布。

在高考数学中，正态分布是一个常见的考察点，学生需要了解和掌握与正态分布相关的概念、性质和应用。

下面将详细介绍高考正态分布的知识点。

一、正态分布的定义和性质1. 正态分布的定义：正态分布是指在数理统计中，如果随机变量X服从一个数学期望为μ、方差为σ²的正态分布，则记为X~N(μ, σ²)，其中N表示正态分布。

2. 正态分布的性质：（1）正态分布是对称的，其均值、中位数和众数都相等，即μ=中位数=众数。

（2）正态分布的图像呈现出典型的钟形曲线。

（3）正态分布的曲线在均值两侧呈现出逐渐减小的趋势，但是永远不会到达横轴。

（4）正态分布的曲线关于均值μ对称。

（5）正态分布的标准差σ越大，曲线越矮胖；标准差σ越小，曲线越瘦高。

（6）约68%的数据落在均值±1个标准差范围内；约95%的数据落在均值±2个标准差范围内；约99.7%的数据落在均值±3个标准差范围内。

二、正态分布的概率计算1. 标准正态分布：标准正态分布是指均值为0，标准差为1的正态分布。

记为Z~N(0, 1)。

对于标准正态分布，我们可以通过计算标准正态分布表来得到对应的概率值。

2. 普通正态分布：当随机变量X服从正态分布N(μ, σ²)时，可以进行标准化处理，将X转化为一个服从标准正态分布的随机变量Z。

即Z=(X-μ)/σ，这样就得到了一个标准正态分布。

对于普通正态分布，可以通过标准正态分布表和标准化公式来计算相应的概率值。

3. 概率计算：对于正态分布，我们常常需要计算在某个区间范围内的概率值。

对于标准正态分布，可以利用标准正态分布表查找对应的概率值。

对于普通正态分布，可以将其转化为标准正态分布进行计算。

三、正态分布的参数估计1. 样本均值的抽样分布：在统计学中，我们经常需要对总体的均值进行估计。

对于正态分布，样本均值的抽样分布也是一个正态分布，并且其均值等于总体均值，方差等于总体方差除以样本容量的平方根。