下载文档原格式
标准正态分布对照表摘要：一、标准正态分布的定义与性质1.标准正态分布的定义2.标准正态分布的概率密度函数3.标准正态分布的累积分布函数二、标准正态分布对照表的应用1.对照表的构成与意义2.对照表的使用方法3.对照表在实际问题中的应用举例三、标准正态分布与其他分布的关系1.标准正态分布与正态分布的关系2.标准正态分布与t 分布的关系3.标准正态分布与卡方分布的关系四、标准正态分布在统计学中的重要性1.描述性统计分析中的应用2.推断性统计分析中的应用3.概率论与数理统计的基础知识正文：标准正态分布，又称为高斯分布（Gaussian distribution），是一种连续型概率分布。
它具有对称的钟形曲线，其分布的均值（μ）为0，标准差（σ）为1。
标准正态分布广泛应用于统计学、概率论、工程学等领域，其对照表是研究和解决实际问题的关键工具。
一、标准正态分布的定义与性质标准正态分布的定义可以追溯到19 世纪初，德国数学家卡尔·弗里德里希·高斯（Carl Friedrich Gauss）对这一分布的深入研究。
标准正态分布的概率密度函数为：f(x) = (1 / (√(2π))) * e^(-(x^2) / 2)其累积分布函数为：F(x) = 1 / (√(2π)) * ∫[e^(-(t^2) / 2), t ≤ x] dt二、标准正态分布对照表的应用标准正态分布对照表是一个重要的工具，它可以帮助我们快速查找标准正态分布在一定置信水平下的临界值。
对照表通常包括正态分布的累积分布函数值、z 分数（Z-score）以及对应的概率。
使用对照表时，我们可以根据实际问题中所给的置信水平，找到对应的z 分数，从而求解问题。
例如，在产品质量控制中，我们希望确定一个产品的合格率。
已知过去经验表明，合格率约为95%。
我们可以使用对照表查找标准正态分布在95% 置信水平下的z 分数，得到±1.96。
然后，将这个z 分数代入到正态分布的累积分布函数中，得到产品的合格率。
标准正态分布分位数表正态分布这个概念在统计学中很常见，在做与正态分布有关计算的时候经常会用到标准正态分布表。
如果知道一个数值的标准分数即z-score ,就可以非常便捷地在标准正态分布表中查到该标准分数对应的概率值。
任何数值,只要符合正态分布的规律,均可使用标准正态分布表查询其发生的概率。
下表就是标准正态分布表,在使用的时候,第一步是先计算数值的标准分数,然后将标准分数四舍五入到小数点后第二位第二步是在标准正态分布表中的左侧查到直到标准分数的小数点后第一位,然后用顶部的数值查到所对应的标准分数的小数点后第二位。
市川新田三丁貝比如标准分数为1.16 ,在表左侧可以查到1.1所在的行,然后再找到0.06所在的列,最后对应的概率值为0.877。
这就意味看在正态分布的情况下,如果一个数值的标准分数为1.16 ,那么该数值所代表的情况出现的概率为87.7%。
以下通过案例来看标准正态分布表的应用。
假设某地成年男性的身高数据呈正态分布,平均身高为1.70米,标准差为4厘米。
问题：1.男性身高超过1.75米的占比为多少？2.男性身高在1.74-1.75米之间的占比为多少？3.如果有20%的男性身高高于某个数值,该数值所对应的身高数据是多少?4.如果有20%的男性身高低于某个数值,该数值所对应的身高数据是多少? 解题：1、先用标准分数即z-score计算公式将1.75米的身高数据转换成标准分数,结果为(1.75- 1.70) / 0.04 =1.25 ,这样问题就成了：在标准正态分布曲线中标准分数大于1.25的概率是多少？查询标准正态分布表，可以看到1.25的标准分数对应的概率值为0.894二89.4%，也就是有89.4%的男性身高数据的标准分数不超过1.25 ,因此有100%-89.4%二10.6%的男性身高超过1.75米。
■＜厉丿」隔曰三丁目2、在问题1中已知身高为1.75米的标准分数为1.25 ,那么身高为1.74米的标准分数=(1.74 -170)/4 = 1.00,因此只需找到l.OOv标准分数＜1.25所对应的概率即可,1.00的标准分数所对应的概率值为0.841 ,也就是有84.1%的男性身高数据的标准分数不超过1.00,因此身高在1.74-1.75米之间的男性占比为0.894-0.841 二0.853二5.3%3、如果说有20%的男性身高高于某个数值,那就意味看80%的男性身高不超过该数值,因此在标准正态分布表看到概率值为0.800所对应的标准分数为 0.84 ,现在将这个标准分数转换成身高数据,带入z-score的计算公式为0.84二(x-1.70)/0.04 ,结果为1.7336米，即在全部成年男性中有20%的男性身高高于1.7336米。
目录附表一：随机数表 _________________________________________________________________________ 2附表二：标准正态分布表 ___________________________________________________________________ 3附表三：t分布临界值表____________________________________________________________________ 4附表四：2分布临界值表__________________________________________________________________ 5附表五：F分布临界值表（α=0.05）________________________________________________________ 7附表六：单样本K-S检验统计量表___________________________________________________________ 9附表七：符号检验界域表 __________________________________________________________________ 10附表八：游程检验临界值表 _________________________________________________________________ 11附表九：相关系数临界值表 ________________________________________________________________ 12附表十：Spearman等级相关系数临界值表 ___________________________________________________ 13附表十一：Kendall等级相关系数临界值表 ___________________________________________________ 14附表十二：控制图系数表 __________________________________________________________________ 15附表一：随机数表（查表时注意：v是指自由度，并分单侧和双侧两种类型）（左侧的示意图是单侧检验的情形）附表四：2分布临界值表附表五：F分布临界值表（α=0.05）F分布临界值表（α=0.01）附表六：单样本K-S 检验统计量表[])(1)()(sup 0d D P x F x F D n n x n ≤-=-=α附表七：符号检验界域表附表十二：控制图系数表。
统计分布临界值表附录附表一：随机数表___________________________________________________ 2附表二：标准正态分布表_____________________________________________ 3附表三：t分布临界值表_____________________________________________ 4附表四：2χ分布临界值表____________________________________________ 5附表五：F分布临界值表（α=0.05）__________________________________ 7附表六：单样本K-S检验统计量表_____________________________________ 9附表七：符号检验界域表____________________________________________ 10附表八：游程检验临界值表__________________________________________ 11附表九：相关系数临界值表__________________________________________ 12附表十：Spearman等级相关系数临界值表_____________________________ 13附表十一：Kendall等级相关系数临界值表____________________________ 14附表十二：控制图系数表____________________________________________ 15附表一：随机数表（查表时注意：v是指自由度，并分单侧和双侧两种类型）（左侧的示意图是单侧检验的情形）附表四：2χ分布临界值表附表五：F分布临界值表（α=0.05）F分布临界值表（α=0.01）附表六：单样本K-S 检验统计量表[])(1)()(sup 0d D P x F x F D n n x n ≤−=−=α附表七：符号检验界域表附表十二：控制图系数表。
t分布介绍在和中，学生t-分布（t-distribution），可简称为t分布，用于根据小样本来估计呈且方差未知的总体的均值。
如果总体方差已知（例如在样本数量足够多时），则应该用正态分布来估计总体均值。
t分布曲线形态与n（确切地说与自由度df）大小有关。
与标准正态分布曲线相比，自由度df越小，t分布曲线愈平坦，曲线中间愈低，曲线双侧尾部翘得愈高；自由度df愈大，t分布曲线愈接近正态分布曲线，当自由度df=∞时，t分布曲线为标准正态分布曲线。
目录123456历史在和统计学中，学生t-分布（Student's t-distribution）经常应用在对呈的总体的进行估计。
它是对两个差异进行测试的学生t测定的基础。
t检定改进了Z检定（en:Z-test），不论样本数量大或小皆可应用。
在样本数量大（超过120等）时，可以应用Z检定，但Z检定用在小的样本会产生很大的误差，因此样本很小的情况下得改用学生t检定。
在数据有三组以上时，因为误差无法压低，此时可以用代替学生t检定。
当母群体的是未知的但却又需要估计时，我们可以运用学生t-分布。
学生t-分布可简称为t分布。
其推导由于1908年首先发表，当时他还在都柏林的健力士酿酒厂工作。
因为不能以他本人的名义发表，所以论文使用了学生（Student）这一笔名。
之后t检验以及相关理论经由的工作发扬光大，而正是他将此分布称为学生分布。
定义由于在实际工作中，往往σ是未知的，常用s作为σ的估计值，为了与u变换区别，称为t变换，统计量t 值的分布称为t分布。
假设X服从标准正态分布N（0,1），Y服从分布，那么的分布称为自由度为n 的t分布，记为。
分布密度函数，其中，Gam(x)为伽马函数。
扩展（normal distribution）是数理统计中的一种重要的理论分布，是许多的理论基础。
正态分布有两个参数，μ和σ，决定了正态分布的位置和形态。
为了应用方便，常将一般的正态变量X通过u变换[(X-μ)/σ]转化成标准正态变量u，以使原来各种形态的正态分布都转换为μ=0，σ=1的（standard normal distribution），亦称u分布。
t分布在概率论和统计学中，t-分布（t-distribution）用于根据小样本来估计呈正态分布且方差未知的总体的均值。
如果总体方差已知（例如在样本数量足够多时），则应该用正态分布来估计总体均值。
t分布曲线形态与n（确切地说与自由度df）大小有关。
与标准正态分布曲线相比，自由度df越小，t分布曲线愈平坦，曲线中间愈低，曲线双侧尾部翘得愈高；自由度df 愈大，t分布曲线愈接近正态分布曲线，当自由度df=∞时，t分布曲线为标准正态分布曲线。
设随机变量T ∼ t n, 则其密度函数为：t n(x)=Γ(n+12)Γ(n2)√nπ(1+x2)−n+12,−∞<x<∞该密度函数的图形如下：t分布表如下：n | α0.250.10 0.050.0250.010.005 1 1.0000 3.0777 6.3138 12.7062 31.8205 63.6567 20.8165 1.8856 2.9200 4.3027 6.9646 9.9248 30.7649 1.6377 2.3534 3.1824 4.5407 5.8409 40.7407 1.5332 2.1318 2.7764 3.7469 4.6041 50.7267 1.4759 2.0150 2.5706 3.3649 4.0321 60.7176 1.4398 1.9432 2.4469 3.1427 3.7074 70.7111 1.4149 1.8946 2.3646 2.9980 3.4995 80.7064 1.3968 1.8595 2.3060 2.8965 3.3554 90.7027 1.3830 1.8331 2.2622 2.8214 3.2498 100.6998 1.3722 1.8125 2.2281 2.7638 3.1693 110.6974 1.3634 1.7959 2.2010 2.7181 3.1058 120.6955 1.3562 1.7823 2.1788 2.6810 3.0545 130.6938 1.3502 1.7709 2.1604 2.6503 3.0123 140.6924 1.3450 1.7613 2.1448 2.6245 2.9768 150.6912 1.3406 1.7531 2.1314 2.6025 2.9467160.6901 1.3368 1.7459 2.1199 2.5835 2.9208 170.6892 1.3334 1.7396 2.1098 2.5669 2.8982 180.6884 1.3304 1.7341 2.1009 2.5524 2.8784 190.6876 1.3277 1.7291 2.0930 2.5395 2.8609 200.6870 1.3253 1.7247 2.0860 2.5280 2.8453 210.6864 1.3232 1.7207 2.0796 2.5176 2.8314 220.6858 1.3212 1.7171 2.0739 2.5083 2.8188 230.6853 1.3195 1.7139 2.0687 2.4999 2.8073 240.6848 1.3178 1.7109 2.0639 2.4922 2.7969 250.6844 1.3163 1.7081 2.0595 2.4851 2.7874 260.6840 1.3150 1.7056 2.0555 2.4786 2.7787 270.6837 1.3137 1.7033 2.0518 2.4727 2.7707 280.6834 1.3125 1.7011 2.0484 2.4671 2.7633 290.6830 1.3114 1.6991 2.0452 2.4620 2.7564 300.6828 1.3104 1.6973 2.0423 2.4573 2.7500 310.6825 1.3095 1.6955 2.0395 2.4528 2.7440 320.6822 1.3086 1.6939 2.0369 2.4487 2.7385 330.6820 1.3077 1.6924 2.0345 2.4448 2.7333 340.6818 1.3070 1.6909 2.0322 2.4411 2.7284 350.6816 1.3062 1.6896 2.0301 2.4377 2.7238 360.6814 1.3055 1.6883 2.0281 2.4345 2.7195 370.6812 1.3049 1.6871 2.0262 2.4314 2.7154 380.6810 1.3042 1.6860 2.0244 2.4286 2.7116 390.6808 1.3036 1.6849 2.0227 2.4258 2.7079 400.6807 1.3031 1.6839 2.0211 2.4233 2.7045 410.6805 1.3025 1.6829 2.0195 2.4208 2.7012 420.6804 1.3020 1.6820 2.0181 2.4185 2.6981 430.6802 1.3016 1.6811 2.0167 2.4163 2.6951 440.6801 1.3011 1.6802 2.0154 2.4141 2.6923 450.6800 1.3006 1.6794 2.0141 2.4121 2.6896 460.6799 1.3002 1.6787 2.0129 2.4102 2.6870 470.6797 1.2998 1.6779 2.0117 2.4083 2.6846 480.6796 1.2994 1.6772 2.0106 2.4066 2.6822 490.6795 1.2991 1.6766 2.0096 2.4049 2.6800 500.6794 1.2987 1.6759 2.0086 2.4033 2.6778 510.6793 1.2984 1.6753 2.0076 2.4017 2.6757 520.6792 1.2980 1.6747 2.0066 2.4002 2.6737 530.6791 1.2977 1.6741 2.0057 2.3988 2.6718 540.6791 1.2974 1.6736 2.0049 2.3974 2.6700 550.6790 1.2971 1.6730 2.0040 2.3961 2.6682 560.6789 1.2969 1.6725 2.0032 2.3948 2.6665 570.6788 1.2966 1.6720 2.0025 2.3936 2.6649 580.6787 1.2963 1.6716 2.0017 2.3924 2.6633 590.6787 1.2961 1.6711 2.0010 2.3912 2.6618600.6786 1.2958 1.6706 2.0003 2.3901 2.6603 610.6785 1.2956 1.6702 1.9996 2.3890 2.6589 620.6785 1.2954 1.6698 1.9990 2.3880 2.6575 630.6784 1.2951 1.6694 1.9983 2.3870 2.6561 640.6783 1.2949 1.6690 1.9977 2.3860 2.6549 650.6783 1.2947 1.6686 1.9971 2.3851 2.6536 660.6782 1.2945 1.6683 1.9966 2.3842 2.6524 670.6782 1.2943 1.6679 1.9960 2.3833 2.6512 680.6781 1.2941 1.6676 1.9955 2.3824 2.6501 690.6781 1.2939 1.6672 1.9949 2.3816 2.6490 700.6780 1.2938 1.6669 1.9944 2.3808 2.6479 710.6780 1.2936 1.6666 1.9939 2.3800 2.6469 720.6779 1.2934 1.6663 1.9935 2.3793 2.6459 730.6779 1.2933 1.6660 1.9930 2.3785 2.6449 740.6778 1.2931 1.6657 1.9925 2.3778 2.6439 750.6778 1.2929 1.6654 1.9921 2.3771 2.6430 760.6777 1.2928 1.6652 1.9917 2.3764 2.6421 770.6777 1.2926 1.6649 1.9913 2.3758 2.6412 780.6776 1.2925 1.6646 1.9908 2.3751 2.6403 790.6776 1.2924 1.6644 1.9905 2.3745 2.6395 800.6776 1.2922 1.6641 1.9901 2.3739 2.6387 810.6775 1.2921 1.6639 1.9897 2.3733 2.6379 820.6775 1.2920 1.6636 1.9893 2.3727 2.6371 830.6775 1.2918 1.6634 1.9890 2.3721 2.6364 840.6774 1.2917 1.6632 1.9886 2.3716 2.6356 850.6774 1.2916 1.6630 1.9883 2.3710 2.6349 860.6774 1.2915 1.6628 1.9879 2.3705 2.6342 870.6773 1.2914 1.6626 1.9876 2.3700 2.6335 880.6773 1.2912 1.6624 1.9873 2.3695 2.6329 890.6773 1.2911 1.6622 1.9870 2.3690 2.6322 900.6772 1.2910 1.6620 1.9867 2.3685 2.6316 910.6772 1.2909 1.6618 1.9864 2.3680 2.6309 920.6772 1.2908 1.6616 1.9861 2.3676 2.6303 930.6771 1.2907 1.6614 1.9858 2.3671 2.6297 940.6771 1.2906 1.6612 1.9855 2.3667 2.6291 950.6771 1.2905 1.6611 1.9853 2.3662 2.6286 960.6771 1.2904 1.6609 1.9850 2.3658 2.6280 970.6770 1.2903 1.6607 1.9847 2.3654 2.6275 980.6770 1.2902 1.6606 1.9845 2.3650 2.6269 990.6770 1.2902 1.6604 1.9842 2.3646 2.6264 1000.6770 1.2901 1.6602 1.9840 2.3642 2.6259 1010.6769 1.2900 1.6601 1.9837 2.3638 2.6254 1020.6769 1.2899 1.6599 1.9835 2.3635 2.6249 1030.6769 1.2898 1.6598 1.9833 2.3631 2.62441040.6769 1.2897 1.6596 1.9830 2.3627 2.6239 1050.6768 1.2897 1.6595 1.9828 2.3624 2.6235 1060.6768 1.2896 1.6594 1.9826 2.3620 2.6230 1070.6768 1.2895 1.6592 1.9824 2.3617 2.6226 1080.6768 1.2894 1.6591 1.9822 2.3614 2.6221 1090.6767 1.2894 1.6590 1.9820 2.3610 2.6217 1100.6767 1.2893 1.6588 1.9818 2.3607 2.6213 1110.6767 1.2892 1.6587 1.9816 2.3604 2.6208 1120.6767 1.2892 1.6586 1.9814 2.3601 2.6204 1130.6767 1.2891 1.6585 1.9812 2.3598 2.6200 1140.6766 1.2890 1.6583 1.9810 2.3595 2.6196 1150.6766 1.2890 1.6582 1.9808 2.3592 2.6193 1160.6766 1.2889 1.6581 1.9806 2.3589 2.6189 1170.6766 1.2888 1.6580 1.9804 2.3586 2.6185 1180.6766 1.2888 1.6579 1.9803 2.3584 2.6181 1190.6766 1.2887 1.6578 1.9801 2.3581 2.6178 1200.6765 1.2886 1.6577 1.9799 2.3578 2.6174 1210.6765 1.2886 1.6575 1.9798 2.3576 2.6171 1220.6765 1.2885 1.6574 1.9796 2.3573 2.6167 1230.6765 1.2885 1.6573 1.9794 2.3570 2.6164 1240.6765 1.2884 1.6572 1.9793 2.3568 2.6161 1250.6765 1.2884 1.6571 1.9791 2.3565 2.6157 1260.6764 1.2883 1.6570 1.9790 2.3563 2.6154 1270.6764 1.2883 1.6569 1.9788 2.3561 2.6151 1280.6764 1.2882 1.6568 1.9787 2.3558 2.6148 1290.6764 1.2881 1.6568 1.9785 2.3556 2.6145 1300.6764 1.2881 1.6567 1.9784 2.3554 2.6142 1310.6764 1.2880 1.6566 1.9782 2.3552 2.6139 1320.6764 1.2880 1.6565 1.9781 2.3549 2.6136 1330.6763 1.2879 1.6564 1.9780 2.3547 2.6133 1340.6763 1.2879 1.6563 1.9778 2.3545 2.6130 1350.6763 1.2879 1.6562 1.9777 2.3543 2.6127 1360.6763 1.2878 1.6561 1.9776 2.3541 2.6125 1370.6763 1.2878 1.6561 1.9774 2.3539 2.6122 1380.6763 1.2877 1.6560 1.9773 2.3537 2.6119 1390.6763 1.2877 1.6559 1.9772 2.3535 2.6117 1400.6762 1.2876 1.6558 1.9771 2.3533 2.6114 1410.6762 1.2876 1.6557 1.9769 2.3531 2.6111 1420.6762 1.2875 1.6557 1.9768 2.3529 2.6109 1430.6762 1.2875 1.6556 1.9767 2.3527 2.6106 1440.6762 1.2875 1.6555 1.9766 2.3525 2.6104 1450.6762 1.2874 1.6554 1.9765 2.3523 2.6102 1460.6762 1.2874 1.6554 1.9763 2.3522 2.6099 1470.6762 1.2873 1.6553 1.9762 2.3520 2.60971480.6762 1.2873 1.6552 1.9761 2.3518 2.6095 1490.6761 1.2873 1.6551 1.9760 2.3516 2.6092 1500.6761 1.2872 1.6551 1.9759 2.3515 2.6090 1510.6761 1.2872 1.6550 1.9758 2.3513 2.6088 1520.6761 1.2871 1.6549 1.9757 2.3511 2.6086 1530.6761 1.2871 1.6549 1.9756 2.3510 2.6083 1540.6761 1.2871 1.6548 1.9755 2.3508 2.6081 1550.6761 1.2870 1.6547 1.9754 2.3506 2.6079 1560.6761 1.2870 1.6547 1.9753 2.3505 2.6077 1570.6761 1.2870 1.6546 1.9752 2.3503 2.6075 1580.6760 1.2869 1.6546 1.9751 2.3502 2.6073 1590.6760 1.2869 1.6545 1.9750 2.3500 2.6071 1600.6760 1.2869 1.6544 1.9749 2.3499 2.6069 1610.6760 1.2868 1.6544 1.9748 2.3497 2.6067 1620.6760 1.2868 1.6543 1.9747 2.3496 2.6065 1630.6760 1.2868 1.6543 1.9746 2.3494 2.6063 1640.6760 1.2867 1.6542 1.9745 2.3493 2.6061 1650.6760 1.2867 1.6541 1.9744 2.3492 2.6060 1660.6760 1.2867 1.6541 1.9744 2.3490 2.6058 1670.6760 1.2866 1.6540 1.9743 2.3489 2.6056 1680.6760 1.2866 1.6540 1.9742 2.3487 2.6054 1690.6759 1.2866 1.6539 1.9741 2.3486 2.6052 1700.6759 1.2866 1.6539 1.9740 2.3485 2.6051 1710.6759 1.2865 1.6538 1.9739 2.3484 2.6049 1720.6759 1.2865 1.6538 1.9739 2.3482 2.6047 1730.6759 1.2865 1.6537 1.9738 2.3481 2.6045 1740.6759 1.2864 1.6537 1.9737 2.3480 2.6044 1750.6759 1.2864 1.6536 1.9736 2.3478 2.6042 1760.6759 1.2864 1.6536 1.9735 2.3477 2.6041 1770.6759 1.2864 1.6535 1.9735 2.3476 2.6039 1780.6759 1.2863 1.6535 1.9734 2.3475 2.6037 1790.6759 1.2863 1.6534 1.9733 2.3474 2.6036 1800.6759 1.2863 1.6534 1.9732 2.3472 2.6034 1810.6758 1.2862 1.6533 1.9732 2.3471 2.6033 1820.6758 1.2862 1.6533 1.9731 2.3470 2.6031 1830.6758 1.2862 1.6532 1.9730 2.3469 2.6030 1840.6758 1.2862 1.6532 1.9729 2.3468 2.6028 1850.6758 1.2861 1.6531 1.9729 2.3467 2.6027 1860.6758 1.2861 1.6531 1.9728 2.3466 2.6025 1870.6758 1.2861 1.6530 1.9727 2.3465 2.6024 1880.6758 1.2861 1.6530 1.9727 2.3463 2.6022 1890.6758 1.2860 1.6530 1.9726 2.3462 2.6021 1900.6758 1.2860 1.6529 1.9725 2.3461 2.6020 1910.6758 1.2860 1.6529 1.9725 2.3460 2.60181920.6758 1.2860 1.6528 1.9724 2.3459 2.6017 1930.6758 1.2860 1.6528 1.9723 2.3458 2.6015 1940.6758 1.2859 1.6527 1.9723 2.3457 2.6014 1950.6757 1.2859 1.6527 1.9722 2.3456 2.6013 1960.6757 1.2859 1.6527 1.9721 2.3455 2.6011 1970.6757 1.2859 1.6526 1.9721 2.3454 2.6010 1980.6757 1.2858 1.6526 1.9720 2.3453 2.6009 1990.6757 1.2858 1.6525 1.9720 2.3452 2.6008 2000.6757 1.2858 1.6525 1.9719 2.3451 2.6006 2010.6757 1.2858 1.6525 1.9718 2.3450 2.6005 2020.6757 1.2858 1.6524 1.9718 2.3449 2.6004 2030.6757 1.2857 1.6524 1.9717 2.3449 2.6003 2040.6757 1.2857 1.6524 1.9717 2.3448 2.6001 2050.6757 1.2857 1.6523 1.9716 2.3447 2.6000 2060.6757 1.2857 1.6523 1.9715 2.3446 2.5999 2070.6757 1.2857 1.6522 1.9715 2.3445 2.5998 2080.6757 1.2856 1.6522 1.9714 2.3444 2.5997 2090.6757 1.2856 1.6522 1.9714 2.3443 2.5996 2100.6757 1.2856 1.6521 1.9713 2.3442 2.5994 2110.6757 1.2856 1.6521 1.9713 2.3442 2.5993 2120.6756 1.2856 1.6521 1.9712 2.3441 2.5992 2130.6756 1.2855 1.6520 1.9712 2.3440 2.5991 2140.6756 1.2855 1.6520 1.9711 2.3439 2.5990 2150.6756 1.2855 1.6520 1.9711 2.3438 2.5989 2160.6756 1.2855 1.6519 1.9710 2.3437 2.5988 2170.6756 1.2855 1.6519 1.9710 2.3437 2.5987 2180.6756 1.2854 1.6519 1.9709 2.3436 2.5986 2190.6756 1.2854 1.6518 1.9709 2.3435 2.5985 2200.6756 1.2854 1.6518 1.9708 2.3434 2.5984 2210.6756 1.2854 1.6518 1.9708 2.3433 2.5983 2220.6756 1.2854 1.6517 1.9707 2.3433 2.5982 2230.6756 1.2854 1.6517 1.9707 2.3432 2.5981 2240.6756 1.2853 1.6517 1.9706 2.3431 2.5980 2250.6756 1.2853 1.6517 1.9706 2.3430 2.5979 2260.6756 1.2853 1.6516 1.9705 2.3430 2.5978 2270.6756 1.2853 1.6516 1.9705 2.3429 2.5977 2280.6756 1.2853 1.6516 1.9704 2.3428 2.5976 2290.6756 1.2853 1.6515 1.9704 2.3427 2.5975 2300.6756 1.2852 1.6515 1.9703 2.3427 2.5974 2310.6756 1.2852 1.6515 1.9703 2.3426 2.5973 2320.6755 1.2852 1.6514 1.9702 2.3425 2.5972 2330.6755 1.2852 1.6514 1.9702 2.3425 2.5971 2340.6755 1.2852 1.6514 1.9702 2.3424 2.5970 2350.6755 1.2852 1.6514 1.9701 2.3423 2.59692360.6755 1.2851 1.6513 1.9701 2.3423 2.5968 2370.6755 1.2851 1.6513 1.9700 2.3422 2.5967 2380.6755 1.2851 1.6513 1.9700 2.3421 2.5966 2390.6755 1.2851 1.6513 1.9699 2.3421 2.5966 2400.6755 1.2851 1.6512 1.9699 2.3420 2.5965 2410.6755 1.2851 1.6512 1.9699 2.3419 2.5964 2420.6755 1.2851 1.6512 1.9698 2.3419 2.5963 2430.6755 1.2850 1.6511 1.9698 2.3418 2.5962 2440.6755 1.2850 1.6511 1.9697 2.3417 2.5961 2450.6755 1.2850 1.6511 1.9697 2.3417 2.5960 2460.6755 1.2850 1.6511 1.9697 2.3416 2.5960 2470.6755 1.2850 1.6510 1.9696 2.3415 2.5959 2480.6755 1.2850 1.6510 1.9696 2.3415 2.5958 2490.6755 1.2850 1.6510 1.9695 2.3414 2.5957 2500.6755 1.2849 1.6510 1.9695 2.3414 2.5956 2510.6755 1.2849 1.6509 1.9695 2.3413 2.5956 2520.6755 1.2849 1.6509 1.9694 2.3412 2.5955 2530.6755 1.2849 1.6509 1.9694 2.3412 2.5954 2540.6755 1.2849 1.6509 1.9693 2.3411 2.5953 2550.6755 1.2849 1.6509 1.9693 2.3411 2.5952 2560.6754 1.2849 1.6508 1.9693 2.3410 2.5952 2570.6754 1.2849 1.6508 1.9692 2.3409 2.5951 2580.6754 1.2848 1.6508 1.9692 2.3409 2.5950 2590.6754 1.2848 1.6508 1.9692 2.3408 2.5949 2600.6754 1.2848 1.6507 1.9691 2.3408 2.5949 2610.6754 1.2848 1.6507 1.9691 2.3407 2.5948 2620.6754 1.2848 1.6507 1.9691 2.3407 2.5947 2630.6754 1.2848 1.6507 1.9690 2.3406 2.5947 2640.6754 1.2848 1.6506 1.9690 2.3406 2.5946 2650.6754 1.2848 1.6506 1.9690 2.3405 2.5945 2660.6754 1.2847 1.6506 1.9689 2.3404 2.5944 2670.6754 1.2847 1.6506 1.9689 2.3404 2.5944 2680.6754 1.2847 1.6506 1.9689 2.3403 2.5943 2690.6754 1.2847 1.6505 1.9688 2.3403 2.5942 2700.6754 1.2847 1.6505 1.9688 2.3402 2.5942 2710.6754 1.2847 1.6505 1.9688 2.3402 2.5941 2720.6754 1.2847 1.6505 1.9687 2.3401 2.5940 2730.6754 1.2847 1.6505 1.9687 2.3401 2.5940 2740.6754 1.2846 1.6504 1.9687 2.3400 2.5939 2750.6754 1.2846 1.6504 1.9686 2.3400 2.5938 2760.6754 1.2846 1.6504 1.9686 2.3399 2.5938 2770.6754 1.2846 1.6504 1.9686 2.3399 2.5937 2780.6754 1.2846 1.6504 1.9685 2.3398 2.5936 2790.6754 1.2846 1.6503 1.9685 2.3398 2.59362800.6754 1.2846 1.6503 1.9685 2.3397 2.5935 2810.6754 1.2846 1.6503 1.9684 2.3397 2.5934 2820.6754 1.2846 1.6503 1.9684 2.3396 2.5934 2830.6754 1.2846 1.6503 1.9684 2.3396 2.5933 2840.6754 1.2845 1.6502 1.9684 2.3395 2.5933 2850.6754 1.2845 1.6502 1.9683 2.3395 2.5932 2860.6753 1.2845 1.6502 1.9683 2.3395 2.5931 2870.6753 1.2845 1.6502 1.9683 2.3394 2.5931 2880.6753 1.2845 1.6502 1.9682 2.3394 2.5930 2890.6753 1.2845 1.6501 1.9682 2.3393 2.5929 2900.6753 1.2845 1.6501 1.9682 2.3393 2.5929 2910.6753 1.2845 1.6501 1.9681 2.3392 2.5928 2920.6753 1.2845 1.6501 1.9681 2.3392 2.5928 2930.6753 1.2844 1.6501 1.9681 2.3391 2.5927 2940.6753 1.2844 1.6501 1.9681 2.3391 2.5927 2950.6753 1.2844 1.6500 1.9680 2.3391 2.5926 2960.6753 1.2844 1.6500 1.9680 2.3390 2.5925 2970.6753 1.2844 1.6500 1.9680 2.3390 2.5925 2980.6753 1.2844 1.6500 1.9680 2.3389 2.5924 2990.6753 1.2844 1.6500 1.9679 2.3389 2.5924 3000.6753 1.2844 1.6499 1.9679 2.3388 2.5923 3010.6753 1.2844 1.6499 1.9679 2.3388 2.5923 3020.6753 1.2844 1.6499 1.9679 2.3388 2.5922 3030.6753 1.2844 1.6499 1.9678 2.3387 2.5922 3040.6753 1.2843 1.6499 1.9678 2.3387 2.5921 3050.6753 1.2843 1.6499 1.9678 2.3386 2.5920 3060.6753 1.2843 1.6498 1.9677 2.3386 2.5920 3070.6753 1.2843 1.6498 1.9677 2.3386 2.5919 3080.6753 1.2843 1.6498 1.9677 2.3385 2.5919 3090.6753 1.2843 1.6498 1.9677 2.3385 2.5918 3100.6753 1.2843 1.6498 1.9676 2.3384 2.5918 3110.6753 1.2843 1.6498 1.9676 2.3384 2.5917 3120.6753 1.2843 1.6498 1.9676 2.3384 2.5917 3130.6753 1.2843 1.6497 1.9676 2.3383 2.5916 3140.6753 1.2843 1.6497 1.9675 2.3383 2.5916 3150.6753 1.2842 1.6497 1.9675 2.3382 2.5915 3160.6753 1.2842 1.6497 1.9675 2.3382 2.5915 3170.6753 1.2842 1.6497 1.9675 2.3382 2.5914 3180.6753 1.2842 1.6497 1.9675 2.3381 2.5914 3190.6753 1.2842 1.6496 1.9674 2.3381 2.5913 3200.6753 1.2842 1.6496 1.9674 2.3381 2.5913 3210.6753 1.2842 1.6496 1.9674 2.3380 2.5912 3220.6753 1.2842 1.6496 1.9674 2.3380 2.5912 3230.6753 1.2842 1.6496 1.9673 2.3379 2.59113240.6752 1.2842 1.6496 1.9673 2.3379 2.5911 3250.6752 1.2842 1.6496 1.9673 2.3379 2.5910 3260.6752 1.2842 1.6495 1.9673 2.3378 2.5910 3270.6752 1.2841 1.6495 1.9672 2.3378 2.5909 3280.6752 1.2841 1.6495 1.9672 2.3378 2.5909 3290.6752 1.2841 1.6495 1.9672 2.3377 2.5909 3300.6752 1.2841 1.6495 1.9672 2.3377 2.5908 3310.6752 1.2841 1.6495 1.9672 2.3377 2.5908 3320.6752 1.2841 1.6495 1.9671 2.3376 2.5907 3330.6752 1.2841 1.6494 1.9671 2.3376 2.5907 3340.6752 1.2841 1.6494 1.9671 2.3376 2.5906 3350.6752 1.2841 1.6494 1.9671 2.3375 2.5906 3360.6752 1.2841 1.6494 1.9670 2.3375 2.5905 3370.6752 1.2841 1.6494 1.9670 2.3375 2.5905 3380.6752 1.2841 1.6494 1.9670 2.3374 2.5905 3390.6752 1.2841 1.6494 1.9670 2.3374 2.5904 3400.6752 1.2840 1.6493 1.9670 2.3374 2.5904 3410.6752 1.2840 1.6493 1.9669 2.3373 2.5903 3420.6752 1.2840 1.6493 1.9669 2.3373 2.5903 3430.6752 1.2840 1.6493 1.9669 2.3373 2.5902 3440.6752 1.2840 1.6493 1.9669 2.3372 2.5902 3450.6752 1.2840 1.6493 1.9669 2.3372 2.5902 3460.6752 1.2840 1.6493 1.9668 2.3372 2.5901 3470.6752 1.2840 1.6493 1.9668 2.3371 2.5901 3480.6752 1.2840 1.6492 1.9668 2.3371 2.5900 3490.6752 1.2840 1.6492 1.9668 2.3371 2.5900 3500.6752 1.2840 1.6492 1.9668 2.3370 2.5899 3510.6752 1.2840 1.6492 1.9667 2.3370 2.5899 3520.6752 1.2840 1.6492 1.9667 2.3370 2.5899 3530.6752 1.2840 1.6492 1.9667 2.3370 2.5898 3540.6752 1.2839 1.6492 1.9667 2.3369 2.5898 3550.6752 1.2839 1.6492 1.9667 2.3369 2.5897 3560.6752 1.2839 1.6491 1.9666 2.3369 2.5897 3570.6752 1.2839 1.6491 1.9666 2.3368 2.5897 3580.6752 1.2839 1.6491 1.9666 2.3368 2.5896 3590.6752 1.2839 1.6491 1.9666 2.3368 2.5896 3600.6752 1.2839 1.6491 1.9666 2.3368 2.5896 3610.6752 1.2839 1.6491 1.9666 2.3367 2.5895 3620.6752 1.2839 1.6491 1.9665 2.3367 2.5895 3630.6752 1.2839 1.6491 1.9665 2.3367 2.5894 3640.6752 1.2839 1.6491 1.9665 2.3366 2.5894 3650.6752 1.2839 1.6490 1.9665 2.3366 2.5894 3660.6752 1.2839 1.6490 1.9665 2.3366 2.5893 3670.6752 1.2839 1.6490 1.9664 2.3366 2.58933680.6752 1.2839 1.6490 1.9664 2.3365 2.5893 3690.6752 1.2839 1.6490 1.9664 2.3365 2.5892 3700.6752 1.2838 1.6490 1.9664 2.3365 2.5892 3710.6752 1.2838 1.6490 1.9664 2.3364 2.5891 3720.6751 1.2838 1.6490 1.9664 2.3364 2.5891 3730.6751 1.2838 1.6489 1.9663 2.3364 2.5891 3740.6751 1.2838 1.6489 1.9663 2.3364 2.5890 3750.6751 1.2838 1.6489 1.9663 2.3363 2.5890 3760.6751 1.2838 1.6489 1.9663 2.3363 2.5890 3770.6751 1.2838 1.6489 1.9663 2.3363 2.5889 3780.6751 1.2838 1.6489 1.9663 2.3363 2.5889 3790.6751 1.2838 1.6489 1.9662 2.3362 2.5889 3800.6751 1.2838 1.6489 1.9662 2.3362 2.5888 3810.6751 1.2838 1.6489 1.9662 2.3362 2.5888 3820.6751 1.2838 1.6489 1.9662 2.3361 2.5888 3830.6751 1.2838 1.6488 1.9662 2.3361 2.5887 3840.6751 1.2838 1.6488 1.9662 2.3361 2.5887 3850.6751 1.2838 1.6488 1.9661 2.3361 2.5887 3860.6751 1.2837 1.6488 1.9661 2.3360 2.5886 3870.6751 1.2837 1.6488 1.9661 2.3360 2.5886 3880.6751 1.2837 1.6488 1.9661 2.3360 2.5886 3890.6751 1.2837 1.6488 1.9661 2.3360 2.5885 3900.6751 1.2837 1.6488 1.9661 2.3359 2.5885 3910.6751 1.2837 1.6488 1.9660 2.3359 2.5885 3920.6751 1.2837 1.6488 1.9660 2.3359 2.5884 3930.6751 1.2837 1.6487 1.9660 2.3359 2.5884 3940.6751 1.2837 1.6487 1.9660 2.3358 2.5884 3950.6751 1.2837 1.6487 1.9660 2.3358 2.5883 3960.6751 1.2837 1.6487 1.9660 2.3358 2.5883 3970.6751 1.2837 1.6487 1.9660 2.3358 2.5883 3980.6751 1.2837 1.6487 1.9659 2.3358 2.5882 3990.6751 1.2837 1.6487 1.9659 2.3357 2.5882 4000.6751 1.2837 1.6487 1.9659 2.3357 2.5882 4010.6751 1.2837 1.6487 1.9659 2.3357 2.5881 4020.6751 1.2837 1.6487 1.9659 2.3357 2.5881 4030.6751 1.2837 1.6486 1.9659 2.3356 2.5881 4040.6751 1.2837 1.6486 1.9659 2.3356 2.5881 4050.6751 1.2836 1.6486 1.9658 2.3356 2.5880 4060.6751 1.2836 1.6486 1.9658 2.3356 2.5880 4070.6751 1.2836 1.6486 1.9658 2.3355 2.5880 4080.6751 1.2836 1.6486 1.9658 2.3355 2.5879 4090.6751 1.2836 1.6486 1.9658 2.3355 2.5879 4100.6751 1.2836 1.6486 1.9658 2.3355 2.5879 4110.6751 1.2836 1.6486 1.9658 2.3355 2.58784130.6751 1.2836 1.6486 1.9657 2.3354 2.5878 4140.6751 1.2836 1.6485 1.9657 2.3354 2.5878 4150.6751 1.2836 1.6485 1.9657 2.3354 2.5877 4160.6751 1.2836 1.6485 1.9657 2.3353 2.5877 4170.6751 1.2836 1.6485 1.9657 2.3353 2.5877 4180.6751 1.2836 1.6485 1.9657 2.3353 2.5876 4190.6751 1.2836 1.6485 1.9656 2.3353 2.5876 4200.6751 1.2836 1.6485 1.9656 2.3353 2.5876 4210.6751 1.2836 1.6485 1.9656 2.3352 2.5876 4220.6751 1.2836 1.6485 1.9656 2.3352 2.5875 4230.6751 1.2836 1.6485 1.9656 2.3352 2.5875 4240.6751 1.2836 1.6485 1.9656 2.3352 2.5875 4250.6751 1.2835 1.6484 1.9656 2.3352 2.5874 4260.6751 1.2835 1.6484 1.9655 2.3351 2.5874 4270.6751 1.2835 1.6484 1.9655 2.3351 2.5874 4280.6751 1.2835 1.6484 1.9655 2.3351 2.5874 4290.6751 1.2835 1.6484 1.9655 2.3351 2.5873 4300.6751 1.2835 1.6484 1.9655 2.3351 2.5873 4310.6751 1.2835 1.6484 1.9655 2.3350 2.5873 4320.6751 1.2835 1.6484 1.9655 2.3350 2.5873 4330.6751 1.2835 1.6484 1.9655 2.3350 2.5872 4340.6751 1.2835 1.6484 1.9654 2.3350 2.5872 4350.6751 1.2835 1.6484 1.9654 2.3350 2.5872 4360.6751 1.2835 1.6484 1.9654 2.3349 2.5872 4370.6751 1.2835 1.6483 1.9654 2.3349 2.5871 4380.6751 1.2835 1.6483 1.9654 2.3349 2.5871 4390.6750 1.2835 1.6483 1.9654 2.3349 2.5871 4400.6750 1.2835 1.6483 1.9654 2.3349 2.5870 4410.6750 1.2835 1.6483 1.9654 2.3348 2.5870 4420.6750 1.2835 1.6483 1.9653 2.3348 2.5870 4430.6750 1.2835 1.6483 1.9653 2.3348 2.5870 4440.6750 1.2835 1.6483 1.9653 2.3348 2.5869 4450.6750 1.2835 1.6483 1.9653 2.3348 2.5869 4460.6750 1.2835 1.6483 1.9653 2.3347 2.5869 4470.6750 1.2834 1.6483 1.9653 2.3347 2.5869 4480.6750 1.2834 1.6483 1.9653 2.3347 2.5868 4490.6750 1.2834 1.6483 1.9653 2.3347 2.5868 4500.6750 1.2834 1.6482 1.9652 2.3347 2.5868 4510.6750 1.2834 1.6482 1.9652 2.3346 2.5868 4520.6750 1.2834 1.6482 1.9652 2.3346 2.5867 4530.6750 1.2834 1.6482 1.9652 2.3346 2.5867 4540.6750 1.2834 1.6482 1.9652 2.3346 2.5867 4550.6750 1.2834 1.6482 1.9652 2.3346 2.58674570.6750 1.2834 1.6482 1.9652 2.3345 2.5866 4580.6750 1.2834 1.6482 1.9652 2.3345 2.5866 4590.6750 1.2834 1.6482 1.9651 2.3345 2.5866 4600.6750 1.2834 1.6482 1.9651 2.3345 2.5866 4610.6750 1.2834 1.6482 1.9651 2.3345 2.5865 4620.6750 1.2834 1.6482 1.9651 2.3344 2.5865 4630.6750 1.2834 1.6482 1.9651 2.3344 2.5865 4640.6750 1.2834 1.6481 1.9651 2.3344 2.5865 4650.6750 1.2834 1.6481 1.9651 2.3344 2.5864 4660.6750 1.2834 1.6481 1.9651 2.3344 2.5864 4670.6750 1.2834 1.6481 1.9651 2.3344 2.5864 4680.6750 1.2834 1.6481 1.9650 2.3343 2.5864 4690.6750 1.2834 1.6481 1.9650 2.3343 2.5864 4700.6750 1.2834 1.6481 1.9650 2.3343 2.5863 4710.6750 1.2834 1.6481 1.9650 2.3343 2.5863 4720.6750 1.2833 1.6481 1.9650 2.3343 2.5863 4730.6750 1.2833 1.6481 1.9650 2.3343 2.5863 4740.6750 1.2833 1.6481 1.9650 2.3342 2.5862 4750.6750 1.2833 1.6481 1.9650 2.3342 2.5862 4760.6750 1.2833 1.6481 1.9650 2.3342 2.5862 4770.6750 1.2833 1.6481 1.9649 2.3342 2.5862 4780.6750 1.2833 1.6480 1.9649 2.3342 2.5862 4790.6750 1.2833 1.6480 1.9649 2.3342 2.5861 4800.6750 1.2833 1.6480 1.9649 2.3341 2.5861 4810.6750 1.2833 1.6480 1.9649 2.3341 2.5861 4820.6750 1.2833 1.6480 1.9649 2.3341 2.5861 4830.6750 1.2833 1.6480 1.9649 2.3341 2.5860 4840.6750 1.2833 1.6480 1.9649 2.3341 2.5860 4850.6750 1.2833 1.6480 1.9649 2.3341 2.5860 4860.6750 1.2833 1.6480 1.9649 2.3340 2.5860 4870.6750 1.2833 1.6480 1.9648 2.3340 2.5860 4880.6750 1.2833 1.6480 1.9648 2.3340 2.5859 4890.6750 1.2833 1.6480 1.9648 2.3340 2.5859 4900.6750 1.2833 1.6480 1.9648 2.3340 2.5859 4910.6750 1.2833 1.6480 1.9648 2.3340 2.5859 4920.6750 1.2833 1.6480 1.9648 2.3340 2.5859 4930.6750 1.2833 1.6480 1.9648 2.3339 2.5858 4940.6750 1.2833 1.6479 1.9648 2.3339 2.5858 4950.6750 1.2833 1.6479 1.9648 2.3339 2.5858 4960.6750 1.2833 1.6479 1.9648 2.3339 2.5858 4970.6750 1.2833 1.6479 1.9647 2.3339 2.5858 4980.6750 1.2833 1.6479 1.9647 2.3339 2.5857 4990.6750 1.2833 1.6479 1.9647 2.3338 2.58575000.6750 1.2832 1.6479 1.9647 2.3338 2.5857。
标准正态分布表标准正态分布表是统计学中常用的一种表格，它记录了标准正态分布曲线下的面积值。
标准正态分布是指均值为0，标准差为1的正态分布，其概率密度函数呈钟形曲线，左右对称。
在实际应用中，我们经常需要计算标准正态分布曲线下某个数值范围内的面积，而标准正态分布表则提供了这些数值范围对应的面积值，方便我们进行统计推断和分析。
标准正态分布表的使用方法非常简单。
表格的左侧是小数部分，右侧是小数点后两位，而表格的顶部是个位数部分。
要查找某个数值范围对应的面积值，只需找到对应的个位数和小数部分，然后在交叉的位置就可以找到对应的面积值。
例如，如果要查找标准正态分布曲线下z介于0和1之间的面积值，只需找到0行和10列的交叉位置，即可找到对应的面积值为0.3413。
标准正态分布表的应用非常广泛，它可以帮助我们进行正态分布相关的统计计算和推断。
例如，在假设检验中，我们可以利用标准正态分布表来计算检验统计量的临界值，从而进行假设的推断；在质量控制中，我们可以利用标准正态分布表来计算过程能力指数，评估生产过程的稳定性和一致性；在风险管理中，我们可以利用标准正态分布表来计算风险值的概率，评估风险的可能性和影响程度。
除了查表法，我们还可以利用统计软件进行标准正态分布的计算和推断。
例如，在R语言和Python中，可以利用相关的函数和库来进行标准正态分布的计算和可视化。
这种方法不仅可以提高计算的效率，还可以减少人为失误，特别是在需要进行大量计算和复杂推断时，更加方便快捷。
总之，标准正态分布表是统计学中非常重要的工具，它为我们提供了便利的数值范围对应的面积值，帮助我们进行正态分布相关的统计计算和推断。
在实际应用中，我们既可以利用查表法来获取所需的面积值，也可以利用统计软件进行计算和可视化，以满足不同场景下的需求。
希望本文对标准正态分布表的理解和应用有所帮助，谢谢阅读！。
第二节t分布一．t分布(t-distribution)（一）u分布在前一章中，我们已经讲述了正态分布（normal distribution）是数理统计中的一种重要的理论分布，是许多统计方法的理论基础。
正态分布有两个参数，μ和σ，决定了正态分布的位置和形态。
为了应用方便，常将一般的正态变量X通过u变换[]转化成标准正态变量u，以使原来各种形态的正态分布都转换为μ=0，σ=1的标准正态分布（standard normal distribution）,亦称u分布。
根据中心极限定理，通过上述的抽样模拟试验表明，在正态分布总体中以固定n （本次试验n=10）抽取若干个样本时，样本均数的分布仍服从正态分布，即N （μ，σ）。
所以，对样本均数的分布进行u变换[]，也可变换为标准正态分布N (0,1)（二）t分布由于在实际工作中，往往σ是未知的，常用s作为σ的估计值，为了与u变换区别，称为t变换t=，统计量t 值的分布称为t分布。
t分布有如下特征：1．以0为中心，左右对称的单峰分布；2．t分布是一簇曲线，其形态变化与n（确切地说与自由度ν）大小有关。
自由度ν越小，t分布曲线越低平；自由度ν越大，t分布曲线越接近标准正态分布（u分布）曲线，如图4.1。
t=图4.1自由度为1、5、∞的t分布对应于每一个自由度ν，就有一条t分布曲线，每条曲线都有其曲线下统计量t 的分布规律，计算较复杂。
因此，统计学家上根据自由度ν的大小与t分布曲线下面积的关系，编制了附表2，t界值表，以便于应用。
表中的横标目为自由度ν，纵标目为概率P，表中数字表示自由度ν为某值时，P为某值时，t的界值。
因t分布是以0为中心的对称分布，故附表中只列出正值，如果算出的t 值为负值，可以用绝对值查表。
t分布曲线下面积为95%或99%的界值不是一个常量，而是随着自由度大小而变化的，分别用和表示。
T分布(t-distribution)（一）u分布正态分布（normal distribution）是数理统计中的一种重要的理论分布，是许多统计方法的理论基础。
目录之蔡仲巾千创作
附表一：随机数表2
附表二：尺度正态分布表3
附表三：t分布临界值表4
附表四：分布临界值表5
附表五：F分布临界值表（α=0.05）7
附表六：单样本KS检验统计量表9
附表七：符号检验界域表10
附表八：游程检验临界值表11
附表九：相关系数临界值表12
附表十：Spearman等级相关系数临界值表13
附表十一：Kendall等级相关系数临界值表14
附表十二：控制图系数表15
附表一：随机数表
附表四：分布临界值表
附表五：F分布临界值表（α=0.05）
F分布临界值表（α=0.01）
附表六：单样本KS检验统计量表
附表七：符号检验界域表
附表八：游程检验临界值表
附表九：相关系数临界值表
附表十：Spearman等级相关系数临界值表附表十一：Kendall等级相关系数临界值表附表十二：控制图系数表。
统计学附录-卡方分布 t-分布表卡方分布卡方分布(χ2分布)是概率论与统计学中常用的一种概率分布。
k 个独立的标准正态分布变量的平方和服从自由度为k 的卡方分布。
卡方分布常用于假设检验和置信区间的计算。
卡方分布的数学定义若k 个随机变量Z1、……、Zk 相互独立，且数学期望为0、方差为 1(即服从标准正态分布)，则随机变量X被称为服从自由度为 k 的卡方分布，记作卡方分布的特征卡方分布的概率密度函数为:其中x?0, 当x?0时fk(x) = 0。
这里Γ代表Gamma 函数。
卡方分布的累积分布函数为:其中γ(k,z)为不完全Gamma函数在大多数涉及卡方分布的书中都会提供它的累积分布函数的对照表。
此外许多表格计算软件如 Calc和Microsoft Excel中都包括卡方分布函数。
卡方分布可以用来测试随机变量之间是否相互独立，也可用来检测统计模型是否符合实际要求。
自由度为 k 的卡方变量的平均值是 k，方差是 2k。
卡方分布是伽玛分布的一个特例，它的熵为:其中ψ(x) 是 Digamma function。
卡方变数与 Gamma变数的关系当Gamma变数频率(λ)为1/2 时，α 的2倍为卡方变数之自由度(Degree of freedom)即:卡方变数之期望值=自由度卡方变数之方差=两倍自由度卡方分布参数 k > 0, 自由度值域 ,概率密度函数,累积分布函数(cdf),期望值 k,中位数大约k ? 2 / 3,众数 k-2, if,方差 2,k,偏态 ,峰态 12/k,熵值动差生成函数(mgf) ，2t<1,特征函数 ,t-分布表For a particular number of degrees of freedom, entry represents the critical value of t Corresponding to a specified upper-tail area (α) Upper-Tail AreasDegrees of 0 t (α, df) 0.25 0.10 0.05 0.025 0.01 0.005 Freedom1 1.0000 3.0777 6.3137 12.7062 31.8210 63.65592 0.8165 1.8856 2.9200 4.3027 6.9645 9.92503 0.7649 1.6377 2.3534 3.1824 4.5407 5.84084 0.7407 1.5332 2.1318 2.7765 3.7469 4.60415 0.7267 1.4759 2.0150 2.5706 3.3649 4.03216 0.7176 1.4398 1.9432 2.4469 3.1427 3.70747 0.7111 1.4149 1.8946 2.3646 2.9979 3.4995 8 0.7064 1.3968 1.85952.3060 2.89653.3554 9 0.7027 1.3830 1.8331 2.2622 2.8214 3.2498 100.6998 1.3722 1.8125 2.2281 2.7638 3.1693 11 0.6974 1.3634 1.7959 2.2010 2.7181 3.1058 12 0.6955 1.3562 1.7823 2.1788 2.6810 3.0545 13 0.69381.3502 1.77092.1604 2.65033.0123 14 0.6924 1.3450 1.7613 2.1448 2.62452.9768 15 0.6912 1.3406 1.7531 2.1315 2.6025 2.9467 16 0.6901 1.33681.74592.1199 2.5835 2.9208 17 0.6892 1.3334 1.7396 2.1098 2.5669 2.8982 18 0.6884 1.3304 1.7341 2.1009 2.5524 2.8784 19 0.6876 1.3277 1.72912.0930 2.5395 2.8609 20 0.6870 1.3253 1.7247 2.0860 2.5280 2.8453 210.6864 1.3232 1.7207 2.0796 2.5176 2.8314 22 0.6858 1.3212 1.7171 2.07392.5083 2.8188 23 0.6853 1.3195 1.7139 2.0687 2.4999 2.8073 24 0.68481.3178 1.71092.0639 2.4922 2.7970 25 0.6844 1.3163 1.7081 2.0595 2.48512.7874 26 0.6840 1.3150 1.7056 2.0555 2.4786 2.7787 27 0.6837 1.31371.70332.0518 2.4727 2.7707 28 0.6834 1.3125 1.7011 2.0484 2.4671 2.7633 29 0.6830 1.3114 1.6991 2.0452 2.4620 2.7564 30 0.6828 1.3104 1.69732.0423 2.4573 2.7500 31 0.6825 1.3095 1.6955 2.0395 2.4528 2.7440 320.6822 1.3086 1.6939 2.0369 2.4487 2.7385 33 0.6820 1.3077 1.6924 2.0345 2.4448 2.7333 34 0.6818 1.3070 1.6909 2.0322 2.4411 2.7284 35 0.68161.3062 1.68962.0301 2.4377 2.7238 36 0.6814 1.3055 1.6883 2.0281 2.43452.7195 37 0.6812 1.3049 1.6871 2.0262 2.4314 2.7154 38 0.6810 1.30421.68602.0244 2.4286 2.7116 39 0.6808 1.3036 1.6849 2.0227 2.4258 2.7079 40 0.6807 1.3031 1.6839 2.0211 2.4233 2.7045。
ttt分布，用于根据-distribution-分布（），可简称为在概率论和统计学中，学生的均值。
如果总体方差已知（例如在样本数量足小样本来估计呈正态分布且方差未知的总体够多时），则应该用正态分布来估计总体均值。
）大小有关。
与标准正态分布曲线相比，自（确切地说与自由度tdf分布曲线形态与n愈大，曲线双侧尾部翘得愈高；自由度df由度df越小，t分布曲线愈平坦，曲线中间愈低，分布曲线为标准正态分布曲线。
∞时，分布曲线愈接近正态目录历史1定义2扩展3特征4置信区间56计算历史t t）经常应用在对呈正态分布的总体-distribution分布-（Student's 在概率论和统计学中，学生检定Z测定的基础。
tt检定改进了的均值进行估计。
它是对两个样本均值差异进行显著性测试的学生，但Z检定（超过（en:Z-test），不论样本数量大或小皆可应用。
在样本数量大120等）时，可以应用在数据有三组以上时，t检定。
因此样本很小的情况下得改用学生Z 检定用在小的样本会产生很大的误差，检定。
t因为误差无法压低，此时可以用变异数分析代替学生t-分布。
当母群体的标准差是未知的但却又需要估计时，我们可以运用学生tt分布。
其推导由威廉·戈塞于1908年首先发表，-分布可简称为当时他还在都柏林的健力士学生t检验以）这一笔名。
之后酿酒厂工作。
因为不能以他本人的名义发表，所以论文使用了学生（Student及相关理论经由罗纳德·费雪的工作发扬光大，而正是他将此分布称为学生分布。
定义由于在实际工作中，往往σ是未知的，常用s作为σ的估计值，为了与u变换区别，称为t变换，统计量t 值的分布称为t分布。
假设X服从标准正态分布N（0,1），Y服从分布，那么的分布称为自由度为n的t分布，记为。
分布密度函数，其中，Gam(x)为伽马函数。
扩展正态分布（normal distribution）是数理统计中的一种重要的理论分布，是许多统计方法的理论基础。
