通俗讲解正态分布的形状、特征以及使用-全球装备网

新闻快讯更多>>

聚焦智能控制、测量与信号处理 IEEE-ICMSP 2022在杭州开幕

关于进口产品发布须知

热点排行

展会预告更多>>

当前位置：全球装备网 > 技术中心 > 所有分类

通俗讲解正态分布的形状、特征以及使用

2025年02月03日 10:31:05 来源：云南昌晖仪表制造有限公司 >> 进入该公司展台阅读量：216

正态分布(Normal distribution)又名高斯分布(Gaussian distribution)，简单来说，它描述的就是正常分布，比如身高、体重、一些社会中的财富等分布，多数人都会集中在某个区间。尽管在高斯之前，有些数学家已经发现了这一规律，但高斯是将其更严格描述的人。

德币10马克印有高斯头像，以及他的“代表作”高斯分布曲线

用时髦的话来讲，正态分布是一个“高性价比”的思考工具，因为它简单易学且应用广。正态分布广泛存在于自然界、社会科学、人文科学等领域，比如动物骨骼大小、考试成绩、产品质量指标、农作物产量等数据分布大多符合这一规律。在统计推断中，它是最重要的一类概率分布，也是许多统计方法的理论基础。

正态分布的知识关系图

正态分布的背景知识
平均值、方差、标准差三个部分如同土壤，会很大程度影响正态分布这棵树的生长情况。因此，在介绍正态分布前，笔者需要简单介绍平均值、方差、标准差。

由于样本量的不同，平均值、方差、标准差可以分“总体”和“样本”两类。为强化对比，在后文的介绍中，笔者会在它们前面加上限定词，即“总体”或“样本”。如果没有限定词，那么平均值、方差、标准差所指代的就是总体的平均值、方差、标准差。

1、平均值
平均值(平均数)是的小学旧识。温故知新，因为它会在新情景下返场，用简洁、严谨、优美的数学语言，一句话回顾平均值：平均值是一组数据中所有数据之和再除以这组数据的个数，用于表示一组数据的集中趋势。例：1和10的平均值是这样计算的：(1+10)/2=5.5。

在正态分布中，由于样本量不同，平均值又可以分为总体平均值(μ)和样本平均值(

)两类，两者的计算方法是一样的，只是符号有差异。

【小贴士】希腊字母“μ”，发音为mu，是代表总体平均值的符号；“

”这个符号念作“X bar”，用于代表样本平均值。

2、方差
方差是衡量一组数据波动大小的统计量。我们学习方差最重要的，不在于掌握繁杂的计算，而是能够根据其结果，了解所有数据的状态。

方差分为两类：总体方差和样本方差。两者的基本思路一致，但的差别在于样本量不同，前者是整体，后者是整体中的部分。

若X1，X2，X3......Xn的平均数为μ，则总体方差可表示为：

【小贴士】希腊字母“ ∑” 的小写形式为“σ”，英译音为Sigma，大小写符号都念“西格玛”。图片表示从1到n的多项求和。

我们还是用上面的1和10两个数字，总体平均值μ=5.5的简单例子，来看总体方差公式如何使用。(少量数据好计算，数据多的话，就让计算机/器帮忙吧。)

回到总体方差和样本方差区别的话题，这里举个简单的例子来说明。假设我们想知道中国人身高的标准差，但因人、财、物力有限，我们不可能把所有人都量一遍，因此，只能退而求其次，采取抽样策略，用样本标准差来推测整体，这时，我们就会用到样本方差。

样本方差和总体方差计算上略有区别，主要体现在分母上。不同于总体方差的分母为n，样本方差的分母为n-1。这里“-1”是为了修正样本方差对总体方差的估计偏差，这种现象被称为“贝塞尔校正”(Bessel's correction)。

这个减去的“1”，不特指任何一个数，它代表那个失去“独立客观”的维度(自由度)。

样本方差的计算公式如下：

因此，在计算样本标准差(S，即样本方差开根号)时，其分母也是n−1而不是n(即样本大小减1)。这里在后文标准差的部分还会提到。

【小贴士】样本标准差的分母为什么为n-1在数学领域已被证明，是较复杂的内容，这里不做过多展开，有兴趣的读者可查阅相关资料。

在公式的应用过程中，你或许会觉得计算很麻烦(事实也确实如此)。好消息是，计算在方差中并不是最重要的，我们要做的，是关注总体方差(σ²)的值，并由此了解方差想告诉我们的秘密：数据内部的状态如何。

在投资分析中，尤其是在投资中，方差是一个有用的统计工具，它可以帮助投资者了解投资组合的风险水平。同样的回报率，方差越小，则风险越低。

方差越小，数的分布越集中；方差越大，数的分布越分散

3、标准差
标准差(Standard Deviation)是方差的算术平均数的平方根，也用于反映一个数据集的离散程度。标准差实际上就是方差开根。

整体标准差用σ表示，样本标准差用S表示。两者的公式如图：

整体标准差计算公式

在本小节的末尾，我们来做个平均值、方差、标准差在“总体”和“样本”符号系统区别上的总结。详见下表：

当我们谈论一个正态分布时，通常是在谈论一个总体的分布，而不是一个样本的分布。因此，使用μ来表示正态分布的均值是合适的。

均值、方差、标准差的背景介绍已结束。别走开，下节更精彩，主角正态分布闪亮登场。

正态分布的主干知识
1、正态分布
正态分布一种常见的连续概率分布，它在自然科学和社会科学中常用于表示未知的随机变量。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，则记为N(μ，σ²)。

正态分布的曲线呈钟型，因此人们又经常称之为“钟形曲线”。正态分布虽有无数种形态，但仍由μ(平均值)和σ(标准差)两个数值决定。其中，μ决定了正态分布的位置，σ决定了分布的幅度。理解了这一点，你就不需要单独记忆每一个正态分布图啦。

现在，让我们一起来看一些有代表性的正态分布图吧(下面的文字浓度有点高，值得多看几遍)：

①当μ=0，σ=1时，这个正态分布就是标准正态分布，(见下图红线)。
②以正态分布为参考标准，μ为负则图形向左移动(见下图绿线)，反之，μ为正，则图形向右移动。
③μ不变，σ越小，则正态分布曲线越陡峭(见下图蓝线)，图像越“高瘦”，反之则越平缓(见下图黄线)，图像越“矮胖”。

【小贴士】不知道你是否注意到，和各行业一样，数学也有自己的业内术语，比如正态分布定义里的“服从”和“期望”。

数学语言中的“服从”是指“符合”、“遵从”的意思，一般指事物符合数学中的发展规律。

另外，数学术语中，“期望”或“数学期望”是一个重要的概念，特别是在概率论和统计学中。它表示随机变量的预期值或平均值。

除了上面的例子，正态分布其实还有数种形态，但它们的模型主要由μ(平均值)和σ(标准差)两个数值决定。

介绍了决定正态分布曲线的关键参数后，我们再来看看关于曲线下方覆盖面积呈现的规律。在距离平均值±1的标准差(即±σ)范围内，集中着约全体68.26%的数据；距离平均值±2的标准差(即±2σ)，集中着约95.45%的数据；距离平均值±3的标准差(即±3σ)，包含着99.73%的数据。曲线下方覆盖的面积，在统计学上被称“置信区间”。

正态分布图

这张图是不是有点抽象？举几个例子，让置信区间中的数字走进生活。

①有大约68%的可能性，动态范围不超过平均值±σ。在一个班上，一班的平均分为80分，如果标准差为5分，我们就有68%的置信度说，考虑到随机性的影响，这个班的平均成绩应落在75~85之间，而不是之外。

②有大约95%的可能性，动态范围不超过平均值±2σ，即两个σ的置信度是95%。做科学试验时，通常需要有95%的置信度，才能得到大家认可的结论；在产品质检中，可以通过抽样检测来估计产品的平均质量水平，并利用95%置信区间来评估这个估计的可靠性。

③如果我们进一步扩大误差范围到±3σ，那么这个置信度就提高到99.7%。在要求的实验中，我们甚至会要求达到99.7%的置信度，甚至更高；在招聘中，面试官可以使用3σ原则来确定录取分数线。通过计算应聘者的平均分数和标准差，可以确定一个合理的分数线范围，从而筛选出合格的应聘者。

【小贴士】总体正态分布图vs样本正态分布图(符号区别)

正态分布的标准化
在正态分布的主干知识中，我们介绍了影响正态分布形态的土壤(平均值、方差、标准差)，以及由此长出的小树(正态分布的图像)。

1、标准化与查表求概率
虽然通过观察图也能把握大致情况，但计算数值后会更便于理解，也方便向他人展示。好消息是，Z转换(标准化)可以实现统一尺度。
对于数据集中的每一个数值X，可使用以下公式进行标准化：

在这个公式中，Z是转换后的标准值，X 是原始数据点的值，μ是原始数据的平均值和σ是原始数据的标准差。

别被公式吓到，放进日常的简单应用场景就豁然开朗了。

小A参加了小学模拟考试，数学得了73分，英语得了76分。数学平均分是60分，英语平均分是68分。那么，小A的数学成绩和英文成绩，哪一个相对来说比较好呢？(得分均按照正态分布)实际上，仅这些条件是无法进行判断的，还需要能够表示全体离散程度的标准差。现在，我们假定数学是标准差为8分的正态分布，英语则是标准差为6分的正态分布。

用Z变换的公式可得：
数学 : (得分-平均分)÷标准差=(73-60)÷8=1.625
英语 : (得分-平均分)÷标准差=(76-68)÷6=1.333

也就是说，当标准差为1时，小A的数学、英语成绩标准差分别是1.625、1.333。不同学科的成绩转化为标准得分后，变得可比较了。

另外，用“标准得分=1”进行了标准化，“平均值”会变成什么样呢？本来，平均分根据科目的不同而不同，但以标准得分进行分布的时候，平均值为0。

因此，在对成绩进行“标准化”时，分布会变为平均值=0、标准差=1的标准正态分布。需注意的是，标准化改变的只是图的位置，比如向左或向右平移，但并不会改变“高矮胖瘦”。

完成Z变换，我们就通过可以利用z值表找到对应的概率值啦。这里会用到“标准正态分布表”。

这个表是前人整理好的数据，用起来也很方便。首先，我们要看最左手列，去查阅Z至小数点后1位数，之后，我们再查最上一行，看Z的第二位小数，左右交叉得到的数，就是我们需要找的数。

放到小A的例子中，数学的标准差为1.625、英语的标准差为1.333。我们来试试查这个表。以数学为例，先看最左列，Z至小数点后1位数为1.6，接着，再看最上行，Z的第2位小数我取0.02，交叉得到的数就是0.9474(蓝色方框中的数)。英语的查阅方式同理，取值为0.9082。

查表后，就是分析数据了。数学取值为0.9474，英语为0.9082，即数学约处于94.74%的水平，英语处于90.82%的水平。如果参加全国数学、英语模拟考试的人有1万人，小A数学大概处于526名的位置((1-0.9474)×10000=526名)，英语处于918名的位置。用图表示更清晰，这里以数学为例：

总体正态分布

恭喜看到这的你，在20分钟左右的时间，你已经了解了正态分布最核心的知识！

最后，请让我们为你做个简要的总结：我们先一起回顾了平均值、方差和基本差的背景知识，并在此基础上了解了正态分布的形状、特征以及如何使用。

上一篇：移液枪的正确使用方法和注意事项

下一篇：傅里叶级数的发现与应用

版权与免责声明：
1.凡本网注明"来源：全球装备网"的所有作品，版权均属于全球装备网，转载请必须注明全球装备网。违反者本网将追究相关法律责任。
2.企业发布的公司新闻、技术文章、资料下载等内容，如涉及侵权、违规遭投诉的，一律由发布企业自行承担责任，本网有权删除内容并追溯责任。
3.本网转载并注明自其它来源的作品，目的在于传递更多信息，并不代表本网赞同其观点或证实其内容的真实性，不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时，必须保留本网注明的作品来源，并自负版权等法律责任。 4.如涉及作品内容、版权等问题，请在作品发表之日起一周内与本网联系。

关于我们企业建站本站服务会员服务旗下网站友情链接兴旺通意见反馈

销售热线：0571-87209775 客服热线：0571-81020280 采购热线：0571-87759925

服务咨询

网站客服

媒体合作

采购咨询

投诉热线

       