正态分布 公式

正态分布概率公式

正态分布是一种概率分布，它在许多自然现象中具有重要意义，可以用来提供定量描述。正态分布也被称为钟形曲线，因为一个正态分布的曲线是一个钟形的抛物线。

正态分布用一个函数来描述一个变量的概率分布，它的函数表达式是这样的：

f(x)=1/sqrt(2*pi*σ^2)*exp(-(x-μ)^2/2*σ^2)

其中，f(x)是概率密度函数，x是变量的取值，μ是总体均值，σ是总体标准差，pi是圆周率，2*σ^2表示方差，exp(-(x-μ)^2/2*σ^2)表示指数函数。

正态分布的概率密度函数在总体均值μ的位置取最大值，两边对称地逐渐减小。它的概率密度函数曲线是一个钟状的抛物线，抛物线的两端出现了“尾部”，反映了极端值==出现的可能性越来越小。

正态分布及其变种（比如双正态分布）的累积概率函数可以用来表示一组统计数据的概率分布。举个例子，假设有一组考试分数，均值为75分，标准差为5分。我们可以使用正态分布函数求出每个考试成绩在一个区间中的概率。

例如，求60～90分之间的考试成绩的概率。

此时我们可以使用正态分布概率公式：

概率=累积概率（90分）-累积概率（60分）=F(90）-F(60）

累积概率函数F(x)的表达式为： F(x)=1/2*（1+erf ((x-μ)/σ/sqrt (2))

正态分布

（normal distribution）

一、 定义 如果连续型随机变量取值分布呈现单峰、对称、两侧均匀变动的钟形分布，且能用下列函数描述其位置和形状特征的，则称之为正态分布。

概率密度函数

， -∞

二、 参数

1、可变参数（1）位置参数 μ

E（x）=μ

表达正态曲线在横轴的位置：μ3>μ2>μ1

μ1 μ2 μ3

(2) 形态参数 σ

表达正态曲线的偏尖峰形状和偏平阔形状:σ3>σ2>σ1

V(x)= σ2

固定参数 (1)偏度系数 理论三阶矩 SK=∑（x-μ）3/nσ3=0

(2) 峰度系数 理论四阶矩 KU=∑（x-μ）4/nσ4=3

* 样本偏度系数g1与样本峰度系数g2公式复杂，可参阅其他教材。

三、图形及曲线与横轴向面积（概率）分布规律

P{μ-σ

P{μ-1.96σ

P{μ-2.58σ

221()()exp()22XfX-6-5-4-3-2-10123456-3-2-10123

四、 应用

1、描述资料分布

2、依据面积分布规律求医学参考值范围

3、质量控制方法中随机误差分布符合正态，可用一定范围作为质量警戒线和控线

4、标准正态分布的U值，可视为重要统计量，是大样本参数估计和假设检验的基础。而且用于求资料某一定范围内分布的理论频数（n、x、s）已计算出

例：已知x=50，S=10,N=200,求45

解：令x1=45 x2=65

U1=(45-50)/10=-0.5， U2=(65-50)/10=1.5

正态分布知识点总结

正态分布（Normal distribution）是统计学中最为重要和常见的概率分布之一、其分布特点为钟形曲线，对称分布，均值为中心点，标准差决定了曲线的分散程度。正态分布在实际应用中非常广泛，特别适用于描述大量独立随机变量之和的分布情况。

一、正态分布的定义和性质

1.定义：若随机变量X服从一个均值为μ，标准差为σ的正态分布（记作X∼N(μ,σ)），则其概率密度函数为f(x)=1/(σ√(2π))*e^(-(x-μ)²/(2σ²))

2.性质：

a.对称性：正态分布是关于均值对称的，即平均值左右两侧的曲线是对称的。

b.中心极限定理：大量独立随机变量的和趋向于正态分布，即使原始数据并不服从正态分布，样本量足够大时，样本均值的分布也会接近正态分布。

c.峰度与偏度：正态分布的峰度为3，即其曲线边际趋于水平而不陡。偏度为0，即左右两侧的概率密度完全对称。

d.累积分布函数：正态分布的累积分布函数可以用标准正态分布表查找，标准正态分布表给出了标准正态分布的累积概率，从而可以计算出任意正态分布的累积概率。

二、正态分布的参数 1.均值（μ）：正态分布的均值决定了分布曲线的中心位置。在标准正态分布中，均值为0。

2.标准差（σ）：正态分布的标准差决定了分布曲线的宽度和分散程度。标准差越小，曲线越尖锐；标准差越大，曲线越平缓。

三、标准正态分布

1. 定义：均值为0，标准差为1的正态分布称为标准正态分布（Standard Normal Distribution），记作Z∼N(0,1)。

2.标准化：通过标准化转换，将任意正态分布转化为标准正态分布。转换公式为Z=(X-μ)/σ，其中X为原正态分布的随机变量，μ为原正态分布的均值，σ为原正态分布的标准差。

3.标准正态分布表：存储了标准正态分布的累积概率值，可用于求解任意正态分布的累积概率。

4.逆标准化：通过标准正态分布表，可以将给定累积概率对应的Z值逆向计算，得到对应的原始分布值。

正态分布

[编辑本段]

正态分布

normal distribution

一种概率分布。正态分布是具有两个参数μ和σ2的连续型随机变量的分布，第一参数μ是服从正态分布的随机变量的均值，第二个参数σ2是此随机变量的方差，所以正态分布记作N(μ，σ2 )。 服从正态分布的随机变量的概率规律为取与μ邻近的值的概率大 ，而取离μ越远的值的概率越小；σ越小，分布越集中在μ附近，σ越大，分布越分散。正态分布的密度函数的特点是：关于μ对称，在μ处达到最大值，在正（负）无穷远处取值为0，在μ±σ处有拐点。它的形状是中间高两边低 ，图像是一条位于x轴上方的钟形曲线。当μ＝0，σ2 ＝1时，称为标准正态分布，记为N（0，1）。μ维随机向量具有类似的概率规律时，称此随机向量遵从多维正态分布。多元正态分布有很好的性质，例如，多元正态分布的边缘分布仍为正态分布，它经任何线性变换得到的随机向量仍为多维正态分布，特别它的线性组合为一元正态分布。 正态分布最早由A.棣莫弗在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。

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，产品的强力、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（见中心极限定理）。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。

正态分布应用最广泛的连续概率分布，其特征是“钟”形曲线。

正态分布

1.正态分布