什么是标准正态分布

标准正态分布（Standard Normal Distribution）是正态分布中的一种特殊情况，它的均值为 $0$，方差为 $1$。标准正态分布是正态分布的标准化形式，是统计学和概率论中的一个重要分布。

---

1. 标准正态分布的定义

标准正态分布的概率密度函数（PDF）为：

$$p(x)=\frac{1}{\sqrt{2\pi }}\exp \left(-\frac{x^2}{2}\right),-\infty <x<\infty$$

其中：

• $x$：随机变量；
• $\exp (-x^2/2)$：指数部分决定了分布的形状；
• $\frac{1}{\sqrt{2\pi }}$：归一化常数，保证总概率为 $1$。

---

2. 特征

1. 均值和方差：

   • 均值（期望）：$\mu =0$
   • 方差：${\sigma }^2=1$

2. 对称性：
   标准正态分布是关于 $x=0$ 对称的。

3. 分布曲线：

   • 呈钟形曲线，也称为高斯曲线；
   • 曲线在 $x=0$ 处最高，向两侧逐渐减小；
   • 越远离中心，概率密度越小。

4. 性质：

   • 总概率等于 $1$：
     $${\int }_{-\infty }^{\infty }\frac{1}{\sqrt{2\pi }}\exp \left(-\frac{x^2}{2}\right)dx=1$$
   • 关于 $0$ 的奇函数（如 $x$）的积分为 $0$：
     $${\int }_{-\infty }^{\infty }x\cdot p(x)dx=0$$

---

3. 图形示意

标准正态分布的曲线如下图所示：

• 横轴为 $x$（随机变量取值）；
• 纵轴为概率密度 $p(x)$；
• 曲线中心对称，均值为 $0$，峰值位于 $x=0$。

---

4. 标准正态分布的累积分布函数（CDF）

标准正态分布的累积分布函数表示随机变量 $X$ 小于等于 $x$ 的概率，定义为：

$$\Phi (x)={\int }_{-\infty }^x\frac{1}{\sqrt{2\pi }}\exp \left(-\frac{t^2}{2}\right)dt$$

---

5. 标准正态分布的标准化

任意正态分布 $N(\mu ,{\sigma }^2)$ 可以通过标准化变换转化为标准正态分布：

$$Z=\frac{X-\mu }{\sigma },Z\sim N(0,1)$$

这里：

• $X$：原始随机变量；
• $\mu$：原始分布的均值；
• $\sigma$：原始分布的标准差；
• $Z$：标准化后的变量，服从标准正态分布。

---

6. 应用

标准正态分布在统计学、机器学习和自然科学中有广泛应用，主要包括：

• 假设检验和显著性检验；
• Z分数计算，用于数据标准化；
• 蒙特卡洛模拟中用作基础概率分布；
• 机器学习中的概率模型，如高斯过程和贝叶斯方法。

---

总结

标准正态分布是均值为 $0$、方差为 $1$ 的正态分布。其概率密度函数呈对称的钟形曲线，是统计学中最重要的分布之一，广泛用于数据分析、概率估计和模拟计算中。