正态分布

Q: 正态分布为什么重要？

它是自然界与社会现象中最常见的分布：身高、体重、测量误差、考试成绩等都近似服从正态分布。中心极限定理保证大量独立随机因素之和趋于正态分布。

Q: $\mu$ 和 $\sigma$ 分别控制什么？

$\mu$ 控制位置（对称轴），$\sigma$ 控制形状（高瘦或扁平）。$\sigma$ 越小数据越集中，曲线越高瘦；$\sigma$ 越大越分散，曲线越扁平。

Q: $3\sigma$ 原则有什么用？

质量检测中，若产品尺寸落在 $(\mu-3\sigma,\mu+3\sigma)$ 之外（概率仅约 0.3%），可判为异常。这对应「小概率事件几乎不发生」的统计推断思想。

Q: 正态分布与二项分布有什么关系？

当 $n$ 很大时，二项分布 $B(n,p)$ 近似于正态分布 $N(np,np(1-p))$（棣莫弗-拉普拉斯定理）。中学阶段只需知道正态分布是连续型分布的模型。

正态分布

正态分布是一种连续型概率分布，其概率密度曲线为钟形曲线，关于均值 μ 对称，σ 越小曲线越高瘦。

适用前提与边界条件

随机变量及其分布列
均值与方差
指数函数图象

定义

若随机变量 $X$ 的概率密度曲线为

$φ_{μ, σ} (x) = \frac{1}{σ 2 π} e^{- \frac{( x - μ ) ^{2}}{2 σ ^{2}}},$

则称 $X$ 服从正态分布，记为 $X \sim N (μ, σ^{2})$ 。其中 $μ$ 是均值（对称轴）， $σ^{2}$ 是方差， $σ$ 是标准差。

图象特征

钟形曲线：中间高、两边低，关于直线 $x = μ$ 对称
$σ$ 越小，曲线越高瘦（数据集中）； $σ$ 越大，曲线越扁平（数据分散）
曲线与 $x$ 轴之间的面积为 1

$3 σ$ 原则

正态分布中，数据落在以 $μ$ 为中心、 $σ$ 为半径的区间内的概率：

区间	概率
$(μ - σ, μ + σ)$	$\approx 0.6827$
$(μ - 2 σ, μ + 2 σ)$	$\approx 0.9545$
$(μ - 3 σ, μ + 3 σ)$	$\approx 0.9973$

落在 $(μ - 3 σ, μ + 3 σ)$ 之外的概率仅约 0.3%，质量检测据此判异常。

对称性求概率

利用对称轴 $x = μ$ ：

$P (X > μ + a) = P (X < μ - a), P (X < μ - a) + P (X > μ + a) = 1 - P (μ - a \leq X \leq μ + a) .$

例： $X \sim N (2, 9)$ ， $μ = 2$ ， $σ = 3$ ，求 $P (X > 5)$ 。

$5 = μ + σ$ ，所以 $P (X > 5) = \frac{1 - 0.6827}{2} \approx 0.1587$ 。

与二项分布的联系

当 $n$ 很大时，二项分布 $B (n, p)$ 的分布列图象接近正态曲线 $N (n p, n p (1 - p))$ 。这是中心极限定理的特例，说明正态分布是「大量微小随机因素叠加」的普遍模型。

正例与反例

✅ 正例

$X\sim N(0,1)$ 时 $P(X>1.96)\approx0.025$ （右侧尾部）
$X\sim N(2,9)$ ， $\sigma=3$ ， $P(X>5)=P(X>\mu+\sigma)\approx\dfrac{1-0.6827}{2}\approx0.1587$
某零件尺寸 $X\sim N(10,0.0001)$ （ $\sigma=0.01$ ）， $P(9.97\le X\le10.03)\approx0.9973$ （区间恰为 $\mu\pm3\sigma$ ）

❌ 反例

认为 $P(X>\mu+a)=P(X<\mu+a)$ ——错，对称的是 $\mu-a$ ，不是 $\mu+a$
把 $\sigma^2=9$ 当成 $\sigma=9$ —— $\sigma^2$ 是方差， $\sigma$ 是标准差

高频误解与考试易错

对称轴找错：正态曲线关于 $x=\mu$ 对称，不是关于 $y$ 轴（除非 $\mu=0$ ）
$\sigma$ 的意义误解： $\sigma$ 是标准差， $\sigma$ 越小数据越集中、曲线越高瘦， $\sigma$ 越大越扁平
$3\sigma$ 区间概率记混： $P(\mu-\sigma\le X\le\mu+\sigma)\approx0.6827$ ， $2\sigma$ 约 0.9545， $3\sigma$ 约 0.9973
用对称性时方向搞反： $P(X>\mu+a)=P(X<\mu-a)$ ，不是 $P(X>\mu+a)=P(X<\mu+a)$

常见问题

正态分布为什么重要？

它是自然界与社会现象中最常见的分布：身高、体重、测量误差、考试成绩等都近似服从正态分布。中心极限定理保证大量独立随机因素之和趋于正态分布。

\mu

和

\sigma

分别控制什么？

\mu

控制位置（对称轴），

\sigma

控制形状（高瘦或扁平）。

\sigma

越小数据越集中，曲线越高瘦；

\sigma

越大越分散，曲线越扁平。

3\sigma

原则有什么用？

质量检测中，若产品尺寸落在

(\mu-3\sigma,\mu+3\sigma)

之外（概率仅约 0.3%），可判为异常。这对应「小概率事件几乎不发生」的统计推断思想。

正态分布与二项分布有什么关系？

当

n

很大时，二项分布

B(n,p)

近似于正态分布

N(np,np(1-p))

（棣莫弗-拉普拉斯定理）。中学阶段只需知道正态分布是连续型分布的模型。

依据与出处

人教A版（2019 审定）选择性必修第三册第七章《随机变量及其分布》7.5 正态分布