最后更新: 2025-12-17 09:44 查看: 427 次反馈能力测评会员8.2元/月赞助

连续型(标准正态分布与3σ原则-Part4)

## 标准正态分布

称 $\mu=0, \sigma=1$ 时的正态分布 $N(0,1)$ 为**标准正态分布**.也称为**高斯分布**。

标准正态分布的**密度函数**为 $\varphi(u)$，其图像如下
$$
\varphi(x)=\frac{1}{\sqrt{2 \pi}} \mathrm{e}^{-\frac{x^2}{2}}, \quad-\infty<x<\infty,
$$
 ![图片](/uploads/2025-05/141dd4.jpg){width=600px}

从标准正态分布的密度函数可以看到：
（1）因为密度函数是偶函数，所以函数图像关于$y$轴对称
（2）密度函数定义域为$(-\infty,+\infty)$ 在$-3 \sigma - 3 \sigma$之间占据了几乎所有面积，所以，$-3 \sigma - 3 \sigma$ 被称为 $3 \sigma$ 原则

### 分布函数
正态分布的分布函数 $\Phi(u)$
$$
\Phi(x)=\frac{1}{\sqrt{2 \pi}} \int_{-\infty}^x \mathrm{e}^{-\frac{t^2}{2}} \mathrm{~d} t, \quad-\infty<x<\infty .
$$

这个函数是积不出来的，所以只能使用积分符号写着。他的函数图像如下： 函数在 $x=u$ 时取到0.5.
 ![图片](/uploads/2025-05/cdcd15.jpg){width=300px}

由于标准正态分布的分布函数不含任何未知参数, 故其值 $\Phi(X)=P(X \leqslant x)$ 完全可以算出,

**性质1** 当 $x>0$ 时， $\Phi(x)$ 的值可以查概率函数值表得到，且$P(a<X \leq b)=\Phi(b)-\Phi(a)$

**性质2** 当 $x<0$ 时，由密度函数对称性可得 $\Phi(x)=1-\Phi(-x)$ ，特别地，有 $\Phi(0)=\frac{1}{2}$ ；

**性质3** 若 $X \sim N\left(\mu, \sigma^2\right)$ ，则 $P(a<X \leq b)=\Phi\left(\frac{b-\mu}{\sigma}\right)-\Phi\left(\frac{a-\mu}{\sigma}\right)$特别地 $P(X \leq b)=\Phi\left(\frac{b-\mu}{\sigma}\right) \quad P(X>a)=1-\Phi\left(\frac{a-\mu}{\sigma}\right)$

这些等式都不难推得.

> 这里请务必牢记，分布函数是一个累加值，例如 $\Phi(90)=80$ 表示分数$X$小于90分的有80人，$\Phi(60)=20$表示分数$X$小于60分的有20人，现在要求分数介于60~90分之间的人数，其计算方法就是$P(60 \le X \le 90)=\Phi(90)-\Phi(60)$, 这就是上面性质1的意思。

### 如何理解正态分布的密度函数
假设某校的初中生身高服从 $X \sim N\left(170,6^2\right)$（单位cm）的正态分布，这里的$\mu$ 相当于平均身高，$\sigma$相当于身高误差。这句话转换为通俗语言就是：某城市初中生平均身高在170cm，其中大部分身高分布在$164cm-176cm$。

因为正态分布是连续性分布，总概率为1，这意味问某一点身高的概率始终为零，身高从 $-\infty$ 到 $+\infty$ 的总概率为1.
从数学计算可以的都如下结论
$$
\begin{aligned}
& P(\mu-\sigma<X<\mu+\sigma)=2 \Phi(1)-1=0.6826, \\
& P(\mu-2 \sigma<X<\mu+2 \sigma)=2 \Phi(2)-1=0.9545, \\
& P(\mu-3 \sigma<X<\mu+3 \sigma)=2 \Phi(3)-1

其他版本
【高中数学】正态分布的标准化

免费注册查看余下70%

《高等数学》难点解析

高数教程 泰勒公式切线与法线切平面与法平面驻点·拐点·极值点·零点间断点渐进线瑕积分欧拉方程伯努利方程 Abel 收敛定理偏导数的几何意义偏导数的几何意义梯度数量场与向量场多元函数极值拉格朗日算子通量与散度环流量与旋度格林公式高斯公式斯托克斯公式三大公式比较傅里叶级数极坐标微元点法式方程变上限定积分 X型计算面积 Y型计算面积微分的意义渐近线间断点 y''+py'+qy=f(x)方程高斯黎曼傅里叶变换(复数) 拉普拉斯变换(复数)

高等数学测评 函数与极限一元函数微分学一元函数积分学微分方程空间向量与代数多元微分学多元积分学无穷级数

《线性代数》难点解析

线代教程 近世代数对数学的整体思考线性的意义矩阵乘法(列视角) 矩阵乘法(行视角) 矩阵左乘矩阵右乘逆矩阵求解方程组阶梯形矩阵的求法方程组解的判定四阶行列式的计算线性变换的意义线性空间向量组的等价线性空间的几何意义基础解系的求法施密特正交化特征值与特征向量的意义矩阵相似的几何意义矩阵可对角化的理解秩的意义(向量版) 秩的意义(方程版) 二次型的意义

线性代数测评 行列式矩阵向量空间

《概率论与数理统计》难点解析

概率教程 置信区间与上a分位数概率中的“取”与“放” 贝叶斯公式全概率公式泊松分布指数分布伽玛分布二维密度图的意义卷积的意义相关系数的意义 k阶矩是与矩母函数卡方分布的作用单正态区间估计理解假设检验理解切比雪夫不等式中心极限定理

概率统计测评 事件与概率一维随机变量与事件多维随机变量与事件随机变量的数字特征大数定律与中心极限定理统计量与抽样分布参数估计假设检验

上一篇：正态分布表的使用与上a分位数-Part3 ★★★★★

下一篇：阅读：正态分布的密度函数是如何推导出来？

本文对您是否有用？有用 (0) 无用 (0)