正态分布，又称高斯分布。其特征为中间高两边低左右对称。它有以下几个性质：

集中性：曲线的最高峰位于正中央，且位置为均数所在的位置。

对称性：正态分布曲线以均数所在的位置为中心左右对称且曲线两段无线趋近于横轴。

均匀变动性：正态分布曲线以均数所在的位置为中心均匀向左右两侧下降。

面积恒等：曲线与横轴间的面积总等于1。

正态分布函数公式如下：

其中μ为均数，σ为标准差。μ决定了正态分布的位置，与μ越近，被取到的概率就越大，反之越小。σ描述的是正态分布的离散程度。σ越大，数据分布越分散曲线越扁平；σ越小，数据分布越集中曲线越陡峭。

来源：丁点帮你 正态分布 ，这个我们从中学就学过的内容，真有这么重要吗？我想，真正学懂统计的人对这一点是不会质疑的，且不谈特别高深的统计理论，彻底弄懂 正态分布 是灵活运用统计学中各种假设检验方法、看懂p值，理解均数置信区间的前提。今天，我尝试带着大家搞懂对于 正态分布 你需要知道的所有知识点。 作为统计学的基础，我们会主要注重思维理解，复杂的数学计算在此略去。这并非意味着数学不重要，对数学的仔细专研恰恰会特别辅助理解和掌握，只是对于大部分数学基础不好的同学这个难度不小，所以我们在这.. 其概率密度函数为 正态分布 ，期望值决定概率密度函数位置，标准差决定分布的幅度，当期望为0，标准差为1时的 正态分布 为标准 正态分布 。4.标准差越大，概率密度函数图像越扁平，标准差越小，概率密度函数图像越陡峭集中。（Gaussian Distribution），是一个常见的连续概率分布。（Normal Distribution），又名。2. 正态分布 曲线完全决定于期望值和标准差；若随机变量X服从一个数学期望为。处达到最大，且关于其对称；1. 概率密度在期望值。3.概率密度积分为1； 第1周 面向小白的统计学：描述性统计（均值，中位数，众数，方差，标准差，与常见的统计图表） 第2周 赌博设计：概率的 基本概念 ，古典概型 第3周 每人脑袋里有个贝叶斯：条件概率与贝叶斯 公式 ，独立性 第4周 啊！微积分：随机变量及其分布（二项分布，均匀分布， 正态分布 ） 第5周 万事皆由分布掌握：多维随机变量及其分布 第6周 砖家的统计学：随机变量的期望，方差与协方差 第7周 上帝之手，统计学的哲学基础：大数定律、中心极限定理与抽样分布 第8周 点数成金，从抽样推测规律之一：点估计与区间估计 第9周 点数成金，从抽样推测规律之二：参数估计 第10周 对或错？告别拍脑袋决策：基于正态总体的假设检验 第11周 扔掉 正态分布 ：秩和检验 第12周 预测未来的技术：回归分析 第13课 抓住表象背后那只手：方差分析 第14周 沿着时间轴前进，预测电子商务业绩：时间序列分析简介 我们来对某一个年级做一项调查，看一看这个年级到底有多巨。于是，他们统计了每个同学一周刷题的时间。得到的结果如下： 可以看出，大多数人每周都有7-8个小时做题，有少部分蒟蒻(比如我)每周只有1-3个小时做题，而一些神犇(比如这位)每周有13-15个小时刷题。 整个图表大致上是轴对称的。中间最多，两边最少。这种分布图称为 正态分布 。 正态分布 又称为高斯分布，他是由高斯发现的。 正态分布 也是最常... 正态分布 （Normal distribution），又名高斯分布（Gaussian distribution）。若随机变量X服从一个数学期望为μ、方差为σ2的 正态分布 ，记为N(μ，σ2)。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。当μ = 0,σ = 1时的 正态分布 是标准 正态分布 。若随机变量 X 服从一个位置参数为 μ、尺度参数为 σ 的概率分布，且其概率密度函数为。 正态分布 （台湾作常态分布，英语：normal distribution）又名高斯分布（英语：Gaussian distribution），是一个非常常见的连续概率分布。 正态分布 在统计学上十分重要，经常用在自然和社会科学来代表一个不明的随机变量。 若随机变量XXX服从一个位置参数为μ\muμ、尺度参σ\sigmaσ的 正态分布 ，记为： 正态分布 的数学期望值或期望值μ\muμ 等于位置参数，决定了分布的位置；其方差σ2\sigma ^{2}σ2的开平方或标准差σ\sigmaσ等于尺度参数，决定了分布的幅度。