正态分布是统计学中重要的一类分布，由均数μ和标准差σ定义。均数决定了曲线的位置，而标准差则影响曲线的形状，它决定了数据的集中程度。3σ法则表明，对于正态分布，约68%的数据位于均值±1σ内，95%的数据位于均值±2σ内，99.7%的数据位于均值±3σ内。了解这些概念能帮助我们更好地理解和利用正态分布数据。
一旦谈及正态分布，我们首先要想到它的两个参数：均数μ是多少和标准差σ。
均值可取实数轴上的任意数值，决定正态曲线的具体位置；
标准差决定曲线的“陡峭”或“扁平”程度：
标准差越小，意味着大多数变量值离均数的距离越短，因此大多数值都紧密地聚集在均数周围，图形所能覆盖的变量值就少些（比如1±0.1涵盖[0.9，1.1]），于是都挤在一块，图形上呈现瘦高型。
标准差越大，数据跨度就比较大，分散程度大，所覆盖的变量值就越多（比如1±0.5涵盖[0.5，1.5]），矮胖型。
三个百分数：68%，95%，99.7%
3σ法则：即一般只研究【μ-3σ，μ+3σ】
假设数据符合正态分布，如果我们知道了某个变量的95%区间的取值（关于均值对称），我们就可以算出对应的均数和标准差，进而几乎知道了一切。
1053
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
