【正态分布函数公式是什么】正态分布是统计学中最常见的概率分布之一，广泛应用于自然科学、社会科学、工程等领域。它描述了数据在平均值附近集中分布的规律。正态分布函数是描述这一分布的数学表达式，下面将对其公式进行总结，并以表格形式展示关键信息。
一、正态分布函数的基本公式
正态分布的概率密度函数（PDF）为：
$$
f(x) = \frac{1}{\sigma \sqrt{2\pi}} e^{-\frac{(x - \mu)^2}{2\sigma^2}}
$$
其中：
- $ x $：随机变量
- $ \mu $：均值（期望值）
- $ \sigma $：标准差
- $ \pi $：圆周率（约3.1416）
- $ e $：自然对数的底（约2.7183）
该函数的图形呈现为钟形曲线，对称于均值 $ \mu $，且随着 $ x $ 距离 $ \mu $ 越远，概率密度越低。
二、正态分布函数的关键参数说明
| 参数 | 含义 | 作用 |
| $ \mu $ | 均值 | 决定分布的中心位置 |
| $ \sigma $ | 标准差 | 决定分布的宽度和分散程度 |
| $ \sigma^2 $ | 方差 | 衡量数据偏离均值的程度 |
| $ \pi $ | 圆周率 | 数学常数，用于计算面积 |
| $ e $ | 自然对数的底 | 出现在指数部分，控制衰减速度 |
三、标准正态分布
当 $ \mu = 0 $，$ \sigma = 1 $ 时，称为标准正态分布，其概率密度函数为：
$$
f(x) = \frac{1}{\sqrt{2\pi}} e^{-\frac{x^2}{2}}
$$
标准正态分布是正态分布的特例，常用于统计推断和假设检验中。
四、累积分布函数（CDF）
除了概率密度函数外，正态分布还常用累积分布函数（CDF）来表示随机变量小于等于某个值的概率，其定义为：
$$
F(x) = P(X \leq x) = \int_{-\infty}^{x} \frac{1}{\sigma \sqrt{2\pi}} e^{-\frac{(t - \mu)^2}{2\sigma^2}} dt
$$
CDF 无法用初等函数表示，通常通过查表或数值方法计算。
五、常见应用场景
| 应用领域 | 典型例子 |
| 统计分析 | 数据拟合、假设检验 |
| 工程质量控制 | 产品尺寸偏差分析 |
| 金融风险评估 | 股票收益率建模 |
| 教育测评 | 学生成绩分布分析 |
总结
正态分布函数是描述连续随机变量分布的重要工具，其基本公式为：
$$
f(x) = \frac{1}{\sigma \sqrt{2\pi}} e^{-\frac{(x - \mu)^2}{2\sigma^2}}
$$
通过调整均值 $ \mu $ 和标准差 $ \sigma $，可以适应不同的实际数据分布情况。标准正态分布作为特例，在统计理论中具有重要地位。了解正态分布函数有助于更好地理解和分析现实世界中的随机现象。