什么是正态分布？正态分布（Normal Distribution），统计学中的一个重要概念，又称高斯分布，代表概率分布。

在科学理论不发达的过去，早期科学家往往从观察事物现象开始，发现、记录和总结，最终抽象出背后的规律。

当一组观察数据或样本涉及平均和偏差时，它们的频率通常被描述为以下曲线：

图自百度百科

图中的横轴代表样本值，纵轴是对应样本值的概率，其中该曲线为正态分布曲线。

观察图形，正态曲线呈钟形 x=μ (平均位置)中心左右对称。曲线无限接近横轴，合成面积为 1.代表所有样本的概率之和 100%。

用数学语言描述曲线，

期望(均数)包含两个参数μ 和标准差 σ。

我们常用更简化的形式来描述什么是正态分布:N(μ,σ^2)；μ 它代表离代表分布的集中趋势 μ 值越近，出现的概率越大； σ^2 (方差)代表数据分布的离散程度，σ 数据分布越大，曲线越矮胖。

事实上，许多变量（包括生成制造、科学实验和一些自然现象）的分布接近正态分布，如一群人的身高或脚的大小，我每天上班所需的时间，以及班上所有学生的中文成绩。

这一规律之所以出现，是因为上述样本基于大量随机变量重复实验，就像我每天上班一样=重复(唉)，地铁是否挤到两趟都上不去，我是否因为玩手机而坐过车站，在两个十字路口行走时遇到红灯或绿灯等变量=随机。

它背后的理论支持称为中心极限定理(对数学史感兴趣的朋友可以点击n重伯努利实验进一步了解)。

了解什么是正态分布，对我们有什么用？

你可以试着在现实生活中找到类似于工作时间的重复随机事件，记录不同情况的次数，统计频率，并将其描述成图片（Excel 可轻松实现)，检查其形状是否接近正态分布。

当你积累足够的数据，出现一些神秘的规律特征时，未发生的事件很可能会落在一个可信的范围内。

相信看完这篇文章，你已经大致了解了什么是正态分布，并且可以在生活中找到它的存在，并用它来预测未来。

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。