什么样的函数服从正态分布？
如果非标准正态分布X~N(μ,σ^2)，那么关于X的一个一次函数 (X-μ)/σ ，就一定是服从标准正态分布N(0,1)。
举个具体的例子，一个量X，是非标准正态分布，期望是10，方差是5^2（即X~N(10,5^2)）；那么对于X的线性函数Y=(X-10)/5，Y就是服从标准正态分布的Y~N(0,1)。
在正态分布中，此范围所占比率为全部数值之68%，根据正态分布，两个标准差之内的比率合起来为95%；三个标准差之内的比率合起来为99%。
在实际应用上，常考虑一组数据具有近似于正态分布的概率分布。若其假设正确，则约68.3%数值分布在距离平均值有1个标准差之内的范围，约95.4%数值分布在距离平均值有2个标准差之内的范围，以及约99.7%数值分布在距离平均值有3个标准差之内的范围。称为“68-95-99.7法则”或“经验法则”
扩展资料：
标准正态分布又称为u分布，是以0为均数、以1为标准差的正态分布，记为N（0，1）。
标准正态分布曲线下面积分布规律是：在-1.96～+1.96范围内曲线下的面积等于0.9500，在-2.58～+2.58范围内曲线下面积为0.9900。统计学家还制定了一张统计用表（自由度为∞时），借助该表就可以估计出某些特殊u1和u2值范围内的曲线下面积。
正态分布的概率密度函数曲线呈钟形，因此人们又经常称之为钟形曲线。我们通常所说的标准正态分布是位置参数均数为0, 尺度参数：标准差为1的正态分布（见下图中绿色曲线）。
特点：
密度函数关于平均值对称
平均值与它的众数（statistical mode）以及中位数（median）同一数值。
函数曲线下68.268949%的面积在平均数左右的一个标准差范围内。
95.449974%的面积在平均数左右两个标准差的范围内。
99.730020%的面积在平均数左右三个标准差的范围内。
99.993666%的面积在平均数左右四个标准差的范围内。
函数曲线的反曲点（inflection point）为离平均数一个标准差距离的位置。
参考资料：
标准正态分布_百度百科
绛旓細濡傛灉闈炴爣鍑嗘鎬佸垎甯僗~N(渭,蟽^2)锛閭ｄ箞鍏充簬X鐨勪竴涓竴娆″嚱鏁 (X-渭)/蟽 锛屽氨涓瀹氭槸鏈嶄粠鏍囧噯姝ｆ佸垎甯僋(0,1)銆備妇涓叿浣撶殑渚嬪瓙锛屼竴涓噺X锛屾槸闈炴爣鍑嗘鎬佸垎甯冿紝鏈熸湜鏄10锛屾柟宸槸5^2锛堝嵆X~N(10,5^2)锛夛紱閭ｄ箞瀵逛簬X鐨勭嚎鎬у嚱鏁癥=(X-10)/5锛孻灏辨槸鏈嶄粠鏍囧噯姝ｆ佸垎甯冪殑Y~N(0,1)銆傚湪姝ｆ佸垎...
绛旓細1銆佸瘑搴鍑芥暟鍏充簬骞冲潎鍊煎绉般2銆佸嚱鏁版洸绾夸笅68.268949%鐨勯潰绉湪骞冲潎鏁板乏鍙崇殑涓涓爣鍑嗗樊鑼冨洿鍐呫3銆佸嚱鏁版洸绾跨殑鍙嶆洸鐐逛负绂诲钩鍧囨暟涓涓爣鍑嗗樊璺濈鐨勪綅缃4銆佸钩鍧囧间笌瀹冪殑浼楁暟浠ュ強涓綅鏁板悓涓鏁板笺5銆95.449974%鐨勯潰绉湪骞冲潎鏁板乏鍙充袱涓爣鍑嗗樊鐨勮寖鍥村唴銆傛爣鍑嗘鎬佸垎甯冩槸浠0涓哄潎鏁帮紝浠1涓烘爣鍑嗗樊鐨勬鎬佸垎...
绛旓細鏍囧噯姝ｆ佸垎甯鍑芥暟锛屼篃绉颁负鏍囧噯姝ｆ佸垎甯冪疮绉鍒嗗竷鍑芥暟锛圕umulative Distribution Function锛孋DF锛夛紝鏄寚婊¤冻鍧囧间负0銆佹爣鍑嗗樊涓1鐨勬鎬佸垎甯冦傚畠鏄竴涓叧浜庨殢鏈哄彉閲鐨勫嚱鏁锛岃〃绀洪殢鏈哄彉閲廥鏈嶄粠鏍囧噯姝ｆ佸垎甯冪殑绱Н姒傜巼銆傛爣鍑嗘鎬佸垎甯冨嚱鏁伴氬父鐢ㄧ鍙肺(x)琛ㄧず锛屽叾瀹氫箟涓猴細桅(x) = 鈭(-鈭, x) (1/鈭(2蟺)...
绛旓細绾挎у垽鍒嚱鏁版湇浠庢鎬佸垎甯銆傛牴鎹嚎鎬у垽鍒嚱鏁扮殑瀹氫箟锛氳嫢宸茬煡鍚勪釜绫绘潯浠跺垎甯冩湇浠庢鎬佸垎甯冧笖鍗忔柟宸煩闃电浉绛,鐢辫礉鍙舵柉鍐崇瓥鐞嗚寰楃煡,鍚勭被瀵瑰簲鐨勫垽鍒嚱鏁板潎涓虹嚎鎬у垽鍒嚱鏁般傚彲鐭ワ紝绾挎у垽鍒嚱鏁版湇浠庢鎬佸垎甯冦
绛旓細鏍囧噯姝ｆ佸垎甯冨嚱鏁版槸鎸囨湇浠庢爣鍑嗘鎬佸垎甯冪殑绱Н鍒嗗竷鍑芥暟锛圕umulative Distribution Function锛岀畝绉癈DF锛夈傛爣鍑嗘鎬佸垎甯冩槸涓绉嶅潎鍊间负0锛屾爣鍑嗗樊涓1鐨勬鎬佸垎甯冦傚畠鐨勬鐜囧瘑搴﹀嚱鏁板叿鏈夐挓褰㈡洸绾跨殑褰㈢姸銆傛爣鍑嗘鎬佸垎甯冨嚱鏁板父鐢ㄧ鍙肺(z)琛ㄧず锛屽叾涓 z 鏄彉閲忕殑鏍囧噯鍖栧笺傜粰瀹氫竴涓疄鏁 x锛屾爣鍑嗘鎬佸垎甯冨嚱鏁 桅(z) ...
绛旓細涓哄父鏁帮紝鍒欑О X鏈嶄粠鍙傛暟涓何硷紝蟽鐨勬鎬佸垎甯鎴栭珮鏂紙Gauss锛夊垎甯冿紝1銆佹洸绾垮叧浜巟=渭瀵圭О.杩欒〃鏄庡浜庝换鎰廻>0 2銆佸綋x=渭鏃跺彇鍒版渶澶у x绂晃艰秺杩滐紝f锛坸锛夌殑鍊艰秺灏.杩欒〃鏄庡浜庡悓鏍烽暱搴︾殑鍖洪棿锛屽綋鍖洪棿绂晃艰秺杩滐紝X 钀藉湪杩欎釜鍖洪棿涓婄殑姒傜巼瓒婂皬.鍦 x=渭卤a澶勬洸绾挎湁鎷愮偣.鏇茬嚎浠 Ox 杞翠负娓愯繎绾....
绛旓細姝ｆ佹洸绾垮憟閽熷瀷锛屼袱澶翠綆锛屼腑闂撮珮锛屽乏鍙冲绉板洜鍏舵洸绾垮憟閽熷舰锛屽洜姝や汉浠張缁忓父绉颁箣涓閽熷舰鏇茬嚎銆傝嫢闅忔満鍙橀噺X鏈嶄粠涓涓暟瀛︽湡鏈涗负渭銆佹柟宸负蟽2鐨勬鎬佸垎甯锛岃涓篘(渭锛屜2)銆傚叾姒傜巼瀵嗗害鍑芥暟涓烘鎬佸垎甯冪殑鏈熸湜鍊嘉煎喅瀹氫簡鍏朵綅缃紝鍏舵爣鍑嗗樊蟽鍐冲畾浜嗗垎甯冪殑骞呭害銆傚綋渭=0,蟽=1鏃剁殑姝ｆ佸垎甯冩槸鏍囧噯姝ｆ佸垎甯冦
绛旓細鏈嶄粠姝ｆ佸垎甯鐨勬潯浠跺涓嬶細鑻ラ殢鏈哄彉閲廥鏈嶄粠涓涓暟瀛︽湡鏈涗负渭銆佹柟宸负蟽^2鐨勬鎬佸垎甯冿紝璁颁负N(渭锛屜僞2)銆傚叾姒傜巼瀵嗗害鍑芥暟涓烘鎬佸垎甯冪殑鏈熸湜鍊嘉煎喅瀹氫簡鍏朵綅缃紝鍏舵爣鍑嗗樊蟽鍐冲畾浜嗗垎甯冪殑骞呭害銆傚綋渭 = 0,蟽 = 1鏃剁殑姝ｆ佸垎甯冩槸鏍囧噯姝ｆ佸垎甯冦傛鎬佸垎甯冿紙Normal distribution锛夛紝涔熺О鈥滃父鎬佸垎甯冣濓紝鍙堝悕...
绛旓細X,Y~N(渭1,u2,蟽1,蟽2,蟻)锛屼簲涓弬鏁颁緷娆¤〃绀篨鐨勬湡鏈涳紝Y鐨勬湡鏈涳紝X鐨勫潎鏂瑰樊锛孻鐨勫潎鏂瑰樊锛孹鍜孻鐨勭浉鍏崇郴鏁般備簩缁姝ｆ佸垎甯鏄竴涓湪鏁板銆佺墿鐞嗗強宸ョ▼绛夐鍩熼兘闈炲父閲嶈鐨勬鐜囧垎甯冿紝鐢变簬杩欎釜鍒嗗竷鍑芥暟鍏锋湁寰堝闈炲父婕備寒鐨勬ц川锛屼娇寰楀叾鍦ㄨ澶氭秹鍙婄粺璁＄瀛︾鏁ｇ瀛︾瓑棰嗗煙鐨勮澶氭柟闈㈤兘鏈夌潃閲嶅ぇ鐨勫奖鍝嶅姏銆
绛旓細鐧剧鍚嶇墖姝ｆ佸垎甯(normal distribution)鍙堝悕楂樻柉鍒嗗竷(Gaussian distribution),鏄竴涓湪鏁板銆佺墿鐞嗗強宸ョ▼绛夐鍩熼兘闈炲父閲嶈鐨勬鐜囧垎甯,鍦ㄧ粺璁″鐨勮澶氭柟闈㈡湁鐫閲嶅ぇ鐨勫奖鍝嶅姏銆傝嫢闅忔満鍙橀噺X鏈嶄粠涓涓暟瀛︽湡鏈涗负渭銆佹爣鍑嗘柟宸负蟽2鐨勯珮鏂垎甯,璁颁负:鍒欏叾姒傜巼瀵嗗害鍑芥暟涓烘鎬佸垎甯冪殑鏈熸湜鍊嘉煎喅瀹氫簡鍏朵綅缃,鍏舵爣鍑嗗樊蟽鍐冲畾浜嗗垎甯冪殑...
