深入浅出统计学（八）——正态分布的运用

离散型数据可以指定确切数值的概率分布，但并非所有数值型数据都是离散的，也有连续数据的概率分布，最典型的便是正态分布。

1. 基本概念

• 概率密度函数（PDF）：描述连续型随机变量的概率分布的函数，通常用 f(x) 表示。
• 概率密度：概率密度函数在某一点处的取值，表示该点附近的概率密度。

2.概率密度函数

2.1 定义

概率密度函数（Probability Density Function, PDF）是描述连续型随机变量的概率分布的函数，通常用 f(x) 表示。

概率 = 面积

2.2 性质

1. 非负性：对于所有的 x，概率密度函数的取值都是非负的，即 f(x)≥0。

2. 积分为1：概率密度函数在整个定义域上的积分等于1，即∫−∞∞​f(x)dx=1。

3. 描述概率：概率密度函数描述的是随机变量落在某个区间内的概率，而不是具体的概率值。具体来说，对于连续型随机变量，概率密度函数在某个区间上的积分表示该区间内事件发生的概率。

4. 密度性：概率密度函数的值并不表示某个具体点的概率，而是在该点附近的概率密度。因此，概率密度函数的值在某一点处并不一定等于该点的概率

3. 正态分布  N(μ,σ2)

正态分布之所以被称为正态，是因为它的形态看起来呵护理想，在遇到测量值之类的大量连续数据时，你通过很期望数据符合这种形态

3.1 概念

正态分布是一种连续型的概率分布，其曲线呈钟形，中心对称，两边尾部逐渐趋近于水平轴，分布的均值、中位数和众数均相等。

3.2 参数  μ,σ2

正态分布由两个参数完全描述：均值（μ）和标准差（σ），记作N(μ,σ2)。

μ指出曲线的中央位置，σ2决定了分布的形状和分散程度，这也意味着σ2越大，正态分布曲线越扁平、越宽。值得指出的是，在正态分布中，概率密度始终不可能为0，因为不管多少难发生但多少有些可能。

3.3 计算

1. 确定分布与范围：如果正态分布适用于所遇到的情况，那看看是否能求出均值和标准差。因为只有先得知这些，我们才能只有正态分布的特性。
2. 标准化为N(0,1)：利用标准分来将其他非标准正态分布转化成N(0,1)标准正态分布。

 先移动均值：

然后收窄：

• 3、利用概率表查找概率：通过标准分，利用标准正态概率表可以查找任何z值，进而查出相应概率P(Z<z)。

3.4  概率密度函数

3.5 性质

• 正态分布是连续型分布，其曲线在 (−∞,+∞)(−∞,+∞) 范围内无穷延伸。
• 正态分布的均值、中位数和众数相等，位于曲线的中心。
• 68-95-99.7法则：在正态分布中，约有68%的数据落在均值的一个标准差范围内，约有95%的数据落在两个标准差范围内，约有99.7%的数据落在三个标准差范围内。