1樓：月似當時
1、估計頻數分布 乙個服
從正態分佈的變數只要知道其均數與標準差就可根據公式即可估計任意取值範圍內頻數比例。
2、制定參考值範圍：
（1）正態分佈法 適用於服從正態（或近似正態）分布指標以及可以通過轉換後服從正態分佈的指標。
（2）百分位數法 常用於偏態分布的指標。表3-1中兩種方法的單雙側界值都應熟練掌握。
3、質量控制：為了控制實驗中的測量（或實驗）誤差，常以 作為上、下警戒值，以 作為上、下控制值。這樣做的依據是：正常情況下測量（或實驗）誤差服從正態分佈。
擴充套件資料
正態分佈啟示，要用整體的觀點來看事物。「系統的整體觀念或總體觀念是系統概念的精髓。」 正態分佈曲線及面積分布圖由基區、負區、正區三個區組成，各區比重不一樣。
用整體來看事物才能看清楚事物的本來面貌，才能得出事物的根本特性。
不能只見樹木不見森林，也不能以偏概全。此外整體大於部分之和，在分析各部分、各層次的基礎上，還要從整體看事物，這是因為整體有不同於各部分的特點。
用整體觀來看世界，就是要立足在基區，放眼負區和正區。
要看到主要方面，還要看到次要方面，既要看到積極的方面還要看到事物消極的一面，看到事物前進的一面還要看到落後的一面。片面看事物必然看到的是偏態或者是**的事物，不是真實的事物本身。
正態分佈曲線及面積分布圖非常清晰的展示了重點，那就是基區佔68.27%，是主體，要重點抓，此外95%，99%則展示了正態的全面性。認識世界和改造世界一定要住住重點，因為重點就是事物的主要矛盾，它對事物的發展起主要的、支配性的作用。
2樓：素髮挽手
正態分佈（normal distribution）又名高斯分布（gaussian distribution），是乙個在數學、物理及工程等領域都非常重要的概率分布，在統計學的許多方面有著重大的影響力。若隨機變數x服從乙個數學期望為μ、標準方差為σ²的高斯分布，記為：則其概率密度函式為正態分佈的期望值μ決定了其位置，其標準差σ決定了分布的幅度。
因其曲線呈鐘形，因此人們又經常稱之為鐘形曲線。我們通常所說的標準正態分佈是μ = 0,σ = 1的正態分佈。
應用1. 估計頻數分布 乙個服從正態分佈的變數只要知道其均數與標準差就可根據公式即可估計任意取值範圍內頻數比例。 2.
制定參考值範圍 （1）正態分佈法 適用於服從正態（或近似正態）分布指標以及可以通過轉換後服從正態分佈的指標。 （2）百分位數法 常用於偏態分布的指標。 3.
質量控制：為了控制實驗中的測量（或實驗）誤差，常以 作為上、下警戒值，以 作為上、下控制值。這樣做的依據是：
正常情況下測量（或實驗）誤差服從正態分佈。 4. 正態分佈是許多統計方法的理論基礎。
檢驗、方差分析、相關和回歸分析等多種統計方法均要求分析的指標服從正態分佈。許多統計方法雖然不要求分析指標服從正態分佈，但相應的統計量在大樣本時近似正態分佈，因而大樣本時這些統計推斷方法也是以正態分佈為理論基礎的。
3樓：匿名使用者
正態分佈常用隨機誤差中，即不可控的細微的誤差。不可控，即預計的正負誤差為50%，可能高可能低，沒有明確可能性的誤差。細微，指的是很多很多誤差疊加在一起，沒有某乙個，或者某幾個誤差能夠左右整體的情況。
而事實上，很多誤差的影響並不是完全一致的，有些誤差影響大，有些誤差影響小，而預計的正負誤差也並非完全50%概率，各種原因可能導致某一面的誤差比較多。但是大多時候面對這種大量細微誤差的情況下，我們還是用正態分佈去匹配試算。
當然正態分佈不是指用在誤差中，我只是舉個例子，面對相似情況也可以使用正態分佈。比如測身高，某地區的身高，人高高低低沒有特定規律的情況下，在大量統計後，也可以發現類似正態分佈。但是需要沒有特定規律，比如女人普遍比男人矮。
這種統計規律要實現正態分佈，要求可能就會比較多，條件比較複雜。但是反過來說，找到了符合正態分佈曲線，就找到了樣本的統一相似性，其他細微的區別就可以不用在意了。
4樓：匿名使用者
在自然現象和社會現象中，大量的隨機變數都服從或近似地服從正態分佈，這就是為什麼深入研究正態分佈的原因。掌握了正太分布，人們可以解決大多數問題。這就是正態分佈的作用。
5樓：匿名使用者
簡單點說，大部分引數檢驗，比如t檢驗，方差分析，回歸分析等，要求資料符合正態分佈。因為這些檢驗的計算公式和引數都是基於正態分佈得到的。
服從正態分佈有什麼好處？
6樓：匿名使用者
增加可能性，便於分析資料及其出現概率。
比如你買彩票，選擇正態分佈中間部分中獎可能性要遠比隨便選乙個號高。
「正態分佈」的意義是什麼？
7樓：浮生梔
「正態分佈」的意義許多統計方法的理論基礎。
檢驗、方差分析、相關和回歸分析等多種統計方法均要求分析的指標服從正態分佈。許多統計方法雖然不要求分析指標服從正態分佈，但相應的統計量在大樣本時近似正態分佈，因而大樣本時這些統計推斷方法也是以正態分佈為理論基礎的
在數學、物理及工程等領域都非常重要的概率分布，在統計學的許多方面有著重大的影響力，若隨機變數服從乙個位置引數、尺度引數為的概率分布。
正態分佈是一種概率分布。正態分佈是具有兩個引數μ和σ^2的連續型隨機變數的分布，第一引數μ是遵從正態分佈的隨機變數的均值，第二個引數σ^2是此隨機變數的方差，所以正態分佈記作n(μ，σ^2 )。
遵從正態分佈的隨機變數的概率規律為取 μ鄰近的值的概率大 ，而取離μ越遠的值的概率越小；σ越小，分布越集中在μ附近，σ越大，分布越分散。
擴充套件資料
標準正態分佈特點：密度函式關於平均值對稱
平均值與它的眾數（statistical mode）以及中位數（median）同一數值。
函式曲線下68.268949%的面積在平均數左右的乙個標準差範圍內。
95.449974%的面積在平均數左右兩個標準差的範圍內。
99.730020%的面積在平均數左右三個標準差的範圍內。
99.993666%的面積在平均數左右四個標準差的範圍內。
函式曲線的反曲點（inflection point）為離平均數乙個標準差距離的位置。
8樓：杉杉渤文
是乙個在數學、物理及工程等領域都非常重要的概率分布，在統計學的許多方面有著重大的影響力。若隨機變數服從乙個位置引數、尺度引數為的概率分布。
正態分佈（normal distribution)是一種概率分布。
正態分佈是具有兩個引數μ和σ^2的連續型隨機變數的分布，第一引數μ是遵從正態分佈的隨機變數的均值，第二個引數σ^2是此隨機變數的方差，所以正態分佈記作n(μ，σ^2 )。遵從正態分佈的隨機變數的概率規律為取 μ鄰近的值的概率大 ，而取離μ越遠的值的概率越小；σ越小，分布越集中在μ附近，σ越大，分布越分散。
主要特點
⒈ 估計頻數分布 乙個服從正態分佈的變數只要知道其均數與標準差就可根據公式即可估計任意取值範圍內頻數比例。
⒉ 制定參考值範圍
⒊ 質量控制：為了控制實驗中的測量（或實驗）誤差，常以 作為上、下警戒值，以 作為上、下控制值。這樣做的依據是：正常情況下測量（或實驗）誤差服從正態分佈。
⒋ 正態分佈是許多統計方法的理論基礎。檢驗、方差分析、相關和回歸分析等多種統計方法均要求分析的指標服從正態分佈。許多統計方法雖然不要求分析指標服從正態分佈，但相應的統計量在大樣本時近似正態分佈，因而大樣本時這些統計推斷方法也是以正態分佈為理論基礎的。
一般正態分佈的標準化有何意義？
9樓：迷途倦客
正態分佈標準化的意義是可以方便計算，是一種統計學概念。
原本的正態分佈圖形有高矮胖瘦不同的形態,實際上是積分變換的必然結果,就好比是：
1.y = kx + b 直線,它不一定過原點的,但是通過變換就可以了：
大y = y-b ; 大x = kx ; ===> 大y = 大x
2.y = a*b 乘積,通過變換就可以變成加法運算：ln(y) = lna + lnb
3.y = ax² + bx + c 通過變換就可以變成標準形式：y = a(x + b/(2a))² + (c -b²/(4a))
正態分佈的標準化也只不過是 「積分變換」而已,雖然高矮胖瘦不同的形態,但是 變數的 線性伸縮變換 並不改變其 量化特性,雖然標準化以後都變成期望是0,方差是1的 標準分布了,但這種 因變數 自變數的 依賴關係仍然存在,不用擔心會 「質變」。
10樓：匿名使用者
查了乙個網頁，但複製不了，你去看看吧
如果一組資料滿足正態分佈，請問意義是什麼，資料有什麼特點
11樓：醉意撩人殤
正態分佈的意義和特點：
1、正態分佈有兩個引數，即均數μ和標準差σ，可記作n（μ，σ）：均數μ決定正態曲線的中心位置；標準差σ決定正態曲線的陡峭或扁平程度。σ越小，曲線越陡峭；σ越大，曲線越扁平。
2、對稱性：正態曲線以均數為中心，左右對稱，曲線兩端永遠不與橫軸相交。
3、均勻變動性：正態曲線由均數所在處開始，分別向左右兩側逐漸均勻下降。
4、集中性：正態曲線的高峰位於正**，即均數所在的位置。
5、u變換：為了便於描述和應用，常將正態變數作資料轉換。
12樓：我是乙個麻瓜啊
1、集中性：正態曲線的高峰位於正**，即均數所在的位置。
2、對稱性：正態曲線以均數為中心，左右對稱，曲線兩端永遠不與橫軸相交。
3、均勻變動性：正態曲線由均數所在處開始，分別向左右兩側逐漸均勻下降。
4、正態分佈有兩個引數，即均數μ和標準差σ，可記作n（μ，σ）：均數μ決定正態曲線的中心位置；標準差σ決定正態曲線的陡峭或扁平程度。σ越小，曲線越陡峭；σ越大，曲線越扁平。
5、u變換：為了便於描述和應用，常將正態變數作資料轉換。
擴充套件資料
正態分佈的應用
1、估計頻數分布 乙個服從正態分佈的變數只要知道其均數與標準差就可根據公式即可估計任意取值範圍內頻數比例。
2、制定參考值範圍
（1）正態分佈法 適用於服從正態（或近似正態）分布指標以及可以通過轉換後服從正態分佈的指標。
（2）百分位數法 常用於偏態分布的指標。表3-1中兩種方法的單雙側界值都應熟練掌握。
3、質量控制：為了控制實驗中的測量（或實驗）誤差，常以 作為上、下警戒值，以 作為上、下控制值。這樣做的依據是：正常情況下測量（或實驗）誤差服從正態分佈。
4、正態分佈是許多統計方法的理論基礎。檢驗、方差分析、相關和回歸分析等多種統計方法均要求分析的指標服從正態分佈。許多統計方法雖然不要求分析指標服從正態分佈，但相應的統計量在大樣本時近似正態分佈，因而大樣本時這些統計推斷方法也是以正態分佈為理論基礎的。
綜合素質研究
教育統計學統計規律表明，學生的智力水平，包括學習能力，實際動手能力等呈正態分佈。因而正常的考試成績分布應基本服從正態分佈。考試分析要求繪製出學生成績分布的直方圖，以「中間高、兩頭低」來衡量成績符合正態分佈的程度。
其評價標準認為：考生成績分布情況直方圖，基本呈正態曲線狀，屬於好，如果略呈正（負）態狀，屬於中等，如果呈嚴重偏態或無規律，就是差的。
從概率統計規律看，「正常的考試成績分布應基本服從正態分佈」是正確的。但是必須考慮人與物的本質不同，以及教育的有所作為可以使「隨機」受到干預，用曲線或直方圖的形狀來評價考試成績就有失偏頗。
許多教育專家（如上海顧泠沅、美國布魯姆等）已經通過實踐論證，教育是可以大有作為的，可以做到大多數學生及格，而且多數學生可以得高分，考試成績曲線是偏正態分佈的。但是長期受到「中間高、兩頭低」標準的影響，限制了教師的作為，抑制了多數學生能夠學好的信心。這是很大的誤會。
通常正態曲線有一條對稱軸。當某個分數（或分數段）的考生人數最多時，對應曲線的最高點，是曲線的頂點。該分數值在橫軸上的對應點與頂點連線的線段就是該正態曲線的對稱軸。
考生人數最多的值是峰值。我們注意到，成績曲線或直方圖實際上很少對稱的，稱之為峰線更合適。
正態分佈和標準正態分佈的聯絡及區別
正態分佈是常態分布或常態分配，是連續隨機變數概率分布的一種，自然界 人類社會 心理和教育中大量現象均按正態形式分布，例如能力的高低，學生成績的好壞等都屬於正態分佈。正態分佈的特點是 1 正態分佈的形式是對稱的，對稱軸是經過平均數點的垂線。2 點最高，然後逐漸向兩側下降，曲線的形式是先向內彎，再向外彎...
測量誤差是不是服從正態分佈為什麼
測量誤差主要分抄 為系統誤差和偶然誤差。系統誤差成規律性分布,有明顯的傾向性,如儀器 人的誤差,不服從正態分佈。偶然誤差成正態分佈,也就是非常大的絕對誤差和非常小的絕對誤差都相對較少,而中間的那部分誤差相對較多。偶然誤差四點特性 1.範圍 有界性 在一定的觀測條件下,偶然誤差的絕對值不大於一極限值。...
對於不服從正態分佈的資料如何剔除奇異點
第一 針對一樓，bai如果你是想做回du歸模型zhi，在資料不服從正態假設dao的情況下，你可以版對資料進行變換再做權回歸分析，至於用什麼樣的變換，建議你使用box cox變換族，通過引數來控制變換型別，你舉的例子都是特例，詳細可參見王松桂等著的 線性模型引論 p175.第二 如果你是想做回歸模型，...