正態分佈完全指南

深入解析統計學中最重要的概率分佈，掌握定義、公式、特性與DSE數學應用，提升您的數學成績。

開始學習
正態分佈曲線視覺化圖形，展示典型的鐘形曲線

本頁內容導覽

正態分佈是什麼？——基本概念與定義

正態分佈（Normal Distribution），又稱常態分佈或高斯分佈（Gaussian Distribution），是統計學和概率論中最重要的連續概率分佈。這種分佈在自然科學、社會科學和工程領域中有著廣泛的應用。

基本概念：

  • 正態分佈是一種呈鐘形的對稱分佈，其概率密度函數在中心（均值）處達到最大值
  • 分佈的形狀完全由兩個參數決定：均值（μ）和方差（σ²）
  • 均值（μ）決定了曲線的中心位置，方差（σ²）決定了曲線的寬窄程度
  • 當均值μ = 0，標準差σ = 1時，稱為標準正態分佈

為什麼重要？

  • 自然界和社會現象中大量的隨機變量近似服從正態分佈，如人的身高、測量誤差等
  • 中心極限定理表明，大量獨立同分佈隨機變量的和趨近於正態分佈
  • 正態分佈是統計推斷的基礎，廣泛應用於假設檢驗、區間估計等領域
  • 在DSE數學考試中，正態分佈是重要的考點，掌握其概念和應用至關重要
典型的鐘形正態分佈曲線，標記出均值和標準差的位置

正態分佈的歷史起源

正態分佈最初由法國數學家棣莫弗（Abraham de Moivre）在1733年引入，他在研究二項式分佈的近似時發現了這一分佈。

後來，德國數學家高斯（Carl Friedrich Gauss）和法國數學家拉普拉斯（Pierre-Simon Laplace）對正態分佈進行了深入研究，使其成為統計學中的核心概念。

高斯在研究測量誤差時，發現這些誤差往往呈現出正態分佈的特性，因此正態分佈也被稱為高斯分佈。

需要專業指導理解正態分佈？

我們的專業數學導師能夠幫助您深入理解正態分佈的概念和應用，提升您的數學成績。

尋找導師

正態分佈公式——數學表達與參數解析

正態分佈的概率密度函數（PDF）是描述其數學特性的核心公式：

正態分佈的概率密度函數公式，清晰展示數學表達式

其中：

  • μ（均值）：決定曲線的中心位置
  • σ（標準差）：決定曲線的寬窄程度，σ越大，曲線越寬
  • σ²（方差）：標準差的平方
  • e：自然對數的底數，約等於2.71828
  • π：圓周率，約等於3.14159

這個公式看似複雜，但它精確描述了正態分佈的概率密度。公式中的π和e的出現並非偶然，它們反映了正態分佈的深層數學特性。

參數對分佈的影響

不同參數下的正態分佈曲線對比，展示均值和標準差的影響

均值（μ）的影響

均值μ的變化會導致整個分佈曲線沿x軸平移，但不改變曲線的形狀。μ值越大，曲線越向右移動；μ值越小，曲線越向左移動。

標準差（σ）的影響

標準差σ的變化會改變曲線的寬窄程度。σ越大，曲線越扁平（分散）；σ越小，曲線越尖峰（集中）。標準差直接影響數據的離散程度。

公式推導的直觀理解

正態分佈公式的推導可以通過多種方法實現。一種優雅的方法是基於兩個假設：

  1. 隨機變量在不同維度上的分佈是相互獨立的
  2. 分佈在空間上具有旋轉對稱性

這兩個假設導致了指數函數的出現，最終形成了我們熟悉的正態分佈公式。這種推導方法由天文學家赫歇爾（John Herschel）在1850年首次提出。

正態分佈的特性——關鍵性質與統計意義

對稱性

正態分佈曲線的對稱性，展示關於均值μ對稱的特性

正態分佈曲線關於均值μ對稱，即f(μ+x) = f(μ-x)。這意味著超過均值和低於均值相同距離的概率相等。

均值、中位數和眾數相等

正態分佈的均值、中位數和眾數相等的特性視覺化

在正態分佈中，均值、中位數和眾數三者的值相同，都等於參數μ。這是正態分佈獨特的特性之一。

68-95-99.7法則

68-95-99.7法則視覺化，展示標準差範圍內的數據分佈

約68%的數據落在均值μ的一個標準差範圍內（μ±σ）；約95%的數據落在兩個標準差範圍內（μ±2σ）；約99.7%的數據落在三個標準差範圍內（μ±3σ）。

線性變換

正態分佈的線性變換特性視覺化

如果X~N(μ,σ²)，那麼線性變換Y=aX+b~N(aμ+b,a²σ²)。這一性質在標準化過程中非常重要，是解決正態分佈問題的基礎。

可加性

正態分佈的可加性特性視覺化

獨立的正態隨機變量的和仍然服從正態分佈。如果X~N(μ₁,σ₁²)且Y~N(μ₂,σ₂²)且X,Y獨立，則X+Y~N(μ₁+μ₂,σ₁²+σ₂²)。

最大熵分佈

正態分佈作為最大熵分佈的視覺化

在所有具有相同均值和方差的概率分佈中，正態分佈具有最大的熵，這使其成為在僅知道均值和方差的情況下的最佳選擇。

正態分佈概念太複雜？

我們的專業導師能夠用簡單易懂的方式解釋複雜的統計概念，幫助您掌握正態分佈的特性和應用。

尋找導師

標準正態分佈——Z分數與概率表

標準正態分佈是均值μ=0，標準差σ=1的特殊正態分佈，通常用Z表示。它是解決正態分佈問題的重要工具。

標準化過程

任何正態分佈變量X~N(μ,σ²)都可以通過以下變換轉換為標準正態分佈變量Z：

標準化過程的數學公式Z = (X-μ)/σ

這個過程稱為「標準化」或「Z-轉換」，轉換後的Z~N(0,1)。標準化是解決正態分佈問題的關鍵步驟。

Z分數的意義

Z分數表示原始數據偏離均值的標準差個數。例如：

  • Z=0表示原始值等於均值
  • Z=1表示原始值比均值高一個標準差
  • Z=-2表示原始值比均值低兩個標準差

Z分數使我們能夠比較來自不同正態分佈的數據，是統計分析的重要工具。

標準正態分佈表

標準正態分佈表的部分內容，展示Z值對應的累積概率

標準正態分佈表（Z表）提供了Z值對應的累積概率P(Z≤z)，是解決正態分佈問題的重要工具。使用Z表時，需要注意：

  • 表中的值通常是累積概率，即P(Z≤z)
  • 求P(Z>z)時，可以利用對稱性，計算1-P(Z≤z)
  • 求區間概率P(a≤Z≤b)時，可以計算P(Z≤b)-P(Z≤a)

Z分數計算例子

例子：某班學生的數學考試成績平均分為70分，標準差為10分。小明得了85分，他的Z分數是多少？

解：Z = (X-μ)/σ = (85-70)/10 = 1.5

這表示小明的成績比平均分高出1.5個標準差，相當於超過了約93.3%的同學（查Z表可得）。

正態分佈的應用——實際場景與案例

正態分佈在自然科學、社會科學和工程領域有著廣泛的應用，以下是一些典型應用場景：

自然現象

人體測量數據的正態分佈，如身高分佈圖
  • 人體測量：人的身高、體重等生理特徵近似服從正態分佈
  • 測量誤差：重複測量同一物理量時，測量誤差通常呈正態分佈
  • 自然變異：許多生物特徵的變異，如花瓣長度、葉片大小等

教育測量

考試成績的正態分佈圖
  • 考試成績：大型考試的成績分佈通常近似正態分佈
  • 標準化測驗：如IQ測試，設計為呈正態分佈，均值100，標準差15
  • 等級評定：基於Z分數的成績轉換和等級劃分

質量控制

製造過程中的質量控制應用正態分佈
  • 製造過程：產品尺寸、重量等品質指標的變異通常呈正態分佈
  • 六西格瑪：基於正態分佈的質量管理方法，目標是將缺陷率控制在百萬分之3.4以內
  • 控制圖：用於監控生產過程是否處於統計控制狀態

金融與風險管理

金融市場中的正態分佈應用
  • 資產收益：金融資產收益率的建模
  • 風險評估：VaR（風險價值）等風險度量工具
  • 期權定價：Black-Scholes模型中的關鍵假設

實際案例：香港學生身高分佈

假設香港某中學男生的身高平均為170cm，標準差為5cm。我們可以利用正態分佈回答以下問題：

  • 身高超過180cm的學生比例約為多少？
  • 身高在165cm到175cm之間的學生比例約為多少？

解答：

  1. Z = (180-170)/5 = 2，查表得P(Z>2) ≈ 0.0228，即約2.28%的學生身高超過180cm。
  2. Z₁ = (165-170)/5 = -1，Z₂ = (175-170)/5 = 1，查表得P(-1<Z<1) ≈ 0.6826，即約68.26%的學生身高在165cm到175cm之間。
香港學生身高分佈的正態曲線，標記出相關區域

DSE數學中的正態分佈——考試技巧與例題

正態分佈是DSE數學（必修部分）統計單元的重要內容，也是考試的常見題型。掌握正態分佈的解題技巧，對提高DSE數學成績至關重要。

DSE考試中的正態分佈題型

  1. 給定均值和標準差，求特定區間的概率
  2. 給定概率，求對應的數值範圍
  3. 標準分數（Z分數）的計算和應用
  4. 與離散度量（標準差、方差等）相關的計算

解題關鍵步驟

  1. 識別題目中的均值μ和標準差σ
  2. 將原始數值轉換為Z分數：Z = (X-μ)/σ
  3. 利用計算器或Z表查找對應的概率
  4. 根據題目要求進行進一步計算
DSE考試相關場景，學生溫習正態分佈

DSE風格例題

例題：某學校中六學生的數學測驗成績近似服從正態分佈，平均分為65分，標準差為12分。

(a) 求一名隨機選取的學生成績超過80分的概率。

(b) 若該校有200名中六學生，估計有多少學生的成績在50分至70分之間？

解答：

(a) 首先計算Z分數：Z = (80-65)/12 = 1.25

求P(X>80) = P(Z>1.25) ≈ 0.1056（使用計算器或Z表）

因此，隨機選取一名學生成績超過80分的概率約為0.1056，即10.56%。

(b) 計算Z分數：Z₁ = (50-65)/12 = -1.25，Z₂ = (70-65)/12 = 0.42

求P(50<X<70) = P(-1.25<Z<0.42) ≈ 0.6293（使用計算器或Z表）

因此，成績在50分至70分之間的學生估計有：200 × 0.6293 ≈ 126人

準備DSE數學考試？

我們的專業導師能夠提供針對DSE考試的正態分佈題型訓練，幫助您掌握解題技巧，提高考試成績。

尋找導師

計算器使用技巧——快速解決正態分佈問題

在DSE考試中，熟練使用計算器處理正態分佈問題可以節省大量時間。以下是常用科學計算器的操作方法：

CASIO fx-50FH II / fx-991EX

CASIO計算器操作正態分佈功能的步驟示意圖

求正態分佈概率 P(X<a)

  1. 按 [SHIFT] → [STAT] → [DIST]
  2. 選擇 [NORM] → [Norm CD]
  3. 輸入下限值（Lower），上限值（Upper），均值（μ），標準差（σ）
  4. 選擇 [Execute] 得到結果

求正態分佈的反函數（已知概率，求數值）

  1. 按 [SHIFT] → [STAT] → [DIST]
  2. 選擇 [NORM] → [Inv Norm]
  3. 輸入概率值（Tail:Left），均值（μ），標準差（σ）
  4. 選擇 [Execute] 得到結果

TI-84 Plus

TI-84 Plus計算器操作正態分佈功能的步驟示意圖

求正態分佈概率 P(X<a)

  1. 按 [2nd] → [DISTR]
  2. 選擇 [normalcdf(]
  3. 輸入格式：normalcdf(下限, 上限, μ, σ)
  4. 按 [ENTER] 得到結果

求正態分佈的反函數（已知概率，求數值）

  1. 按 [2nd] → [DISTR]
  2. 選擇 [invNorm(]
  3. 輸入格式：invNorm(概率, μ, σ)
  4. 按 [ENTER] 得到結果

計算器使用小貼士

  • 求P(X>a)時，可以利用對稱性，計算1-P(X<a)
  • 求區間概率P(a<X<b)時，可以計算P(X<b)-P(X<a)
  • 標準正態分佈的計算可以直接設置μ=0，σ=1
  • 計算器中的「Tail」選項通常指的是累積概率的方向
  • 在DSE考試中，熟練使用計算器可以大大提高解題效率

練習題與解析——鞏固所學知識

通過以下練習題測試您對正態分佈的理解：

練習題1

題目：某品牌燈泡的壽命服從正態分佈，平均壽命為1000小時，標準差為100小時。

(a) 求一個隨機選取的燈泡壽命超過1200小時的概率。

(b) 該品牌宣稱95%的燈泡壽命超過多少小時？

解答：

(a) Z = (1200-1000)/100 = 2，P(X>1200) = P(Z>2) ≈ 0.0228，即約2.28%

(b) 需要找到x值，使得P(X>x) = 0.95，即P(X<x) = 0.05

對應的Z值為-1.645（查表或使用計算器）

x = μ + Z·σ = 1000 + (-1.645)·100 = 835.5小時

練習題2

題目：某大學入學考試的成績近似服從正態分佈，平均分為500分，標準差為100分。大學計劃錄取前20%的考生。

(a) 求錄取分數線應設為多少分？

(b) 如果一名考生獲得650分，他的Z分數是多少？這個成績在所有考生中的百分位是多少？

解答：

(a) 需要找到x值，使得P(X>x) = 0.2，即P(X<x) = 0.8

對應的Z值為0.84（查表或使用計算器）

x = μ + Z·σ = 500 + 0.84·100 = 584分

(b) Z = (650-500)/100 = 1.5

P(X<650) = P(Z<1.5) ≈ 0.9332，即約93.32%

這表示該考生的成績超過了約93.32%的考生，位於第93.32百分位。

掌握正態分佈，提升數學成績！

GETUTOR 提供專業數學輔導，助您全面理解統計學概念，輕鬆應對DSE考試。立即尋找合適的導師！

立即尋找數學導師