正态分布是一种常见的连续概率分布，通常用于描述许多自然现象、生产过程和科学实验中的随机变量。其概率密度函数呈钟形曲线，由两个参数决定：均值（μ）和标准差（σ）。

正态分布的定义

若连续型随机变量 $X$ 的概率密度函数为

$$

f(x) = frac{1}{sigma sqrt{2pi}} e^{-frac{(x-mu)^2}{2sigma^2}}

$$

则称 $X$ 服从正态分布，记作 $X sim N（mu, sigma^2）$。

正态分布的性质

对称性：正态分布曲线关于其均值 $mu$ 对称。

峰值：曲线在 $x = mu$ 处达到峰值。

面积：曲线与 $x$ 轴之间的总面积为 1。

期望与方差：期望 $E（X） = mu$，方差 $D（X） = sigma^2$。

标准正态分布

当 $mu = 0$ 且 $sigma = 1$ 时，正态分布称为标准正态分布，记作 $Z sim N（0, 1）$。

标准正态分布表可用于查找标准正态分布曲线下特定区间的概率值。

正态分布的应用

质量控制：在生产中，产品质量指标（如尺寸、重量等）常服从正态分布。

测量误差：测量结果的误差通常认为服从正态分布。

生物学：如人群身高、体重等生理特征。

气象学：如气温、湿度等气象条件。

正态分布的重要公式

累积分布函数（CDF）：$F（x） = P（X leq x） = Phileft（frac{x - mu}{sigma}right）$，其中 $Phi（x）$ 是标准正态分布的累积分布函数。

概率质量函数（PMF）：对于标准正态分布，$P（Z leq z） = Phi（z）$。

区间概率：例如，$P（mu - sigma < X < mu + sigma） = 0.6826$，$P（mu - 2sigma < X < mu + 2sigma） = 0.9544$，$P（mu - 3sigma < X < mu + 3sigma） = 0.9974$。

正态分布在统计学中占有重要地位，是理解和分析随机现象的强大工具。通过掌握正态分布的基本概念、性质和应用，可以更好地解决实际问题。