高斯分布是？

高斯分布，也称为正态分布（Normal Distribution），是概率统计学中最为重要的一种分布。高斯分布的概率密度函数（Probability Density Function，PDF）为：

$$f(x)=\frac{1}{\sigma \sqrt{2\pi }}{e}^{-\frac{(x-\mu {)}^2}{2{\sigma }^2}}$$

其中，$\mu$ 是分布的均值，$\sigma$ 是标准差。高斯分布的图形呈钟形，中心对称，左右两侧曲线的形状相同，均值 $\mu$ 为对称轴。标准差 $\sigma$ 越大，曲线越矮胖，越矮胖的曲线越宽；标准差越小，曲线越高瘦，越高瘦的曲线越窄。

高斯分布具有以下特性：

1. 68-95-99.7规则：在高斯分布中，大约 68% 的数据点落在均值的一个标准差范围内，大约 95% 的数据点落在均值的两个标准差范围内，大约 99.7% 的数据点落在均值的三个标准差范围内。
2. 中心极限定理：多个独立的随机变量的均值的分布，随着随机变量数量的增加，趋向于高斯分布。这个定理在概率统计学中有广泛的应用。
3. 高斯分布在自然界中的广泛存在：许多自然现象都服从高斯分布，例如人的身高、IQ 分数、体重等，因此高斯分布被广泛应用于实际问题的建模和分析中。

高斯分布是概率统计学中的一个基本概念，它在统计推断、机器学习、数据科学等领域中有着广泛的应用。