什么是正态概率分布(Normal Probability Distribution)？

统计学原理认为，给定足够的样本量，就有可能预测更大人口的正态概率分布，大多数人将分布概率与数据图形化后的形状联系起来，这将形成一条钟形曲线。正态曲线在平均值附近或样本一半位于两侧的点附近显示出更大的集中度。当样本远离平均点时，样本中的元素就会减少。一些教育工作者会使用正态概率分布在曲线上为论文评分如果你想象一下面粉被筛到盘子上会发生什么，很容易想象出代表正态概率分布的钟形曲线。大部分面粉直接落在筛子的正下方。离开土堆的顶部，面粉变得不那么深，在盘子的边缘，很少或根本找不到面粉。为了量化样本（如面粉）的分散方式，有必要解释标准差。简单地说，标准差表示每一个数据点与其他数据点之间的分散程度以及平均值。如果这些点紧密地聚集在一起，如果一个城市的平均温度随季节变化很大，那么它的标准差会比赤道上一个全年温度相对恒定的城市的正态概率分布的标准差大，例如：，考虑到在美国，27.8%的女鞋是8号和8.5号的，23.7%是7号和7.5号，17.5%是9号或9.5号。根据这一信息，制鞋厂将平均鞋码确定为8到8.5号；使用27号8作为平均值，并指定一个鞋码的标准差，应证明大约68%的女性穿7到9.5的鞋。加上这些数字，得出69%，完全在正态概率分布范围内。从平均值向外移动，这些数字应该表明大约99%的女性穿在7到9.5之间5号和11号。根据制造商的报告，4.8%的销售额是5号或5.5号，11.7%是6号或6.5号，10%是10号或10.5号，3%是11号，我们可以看到，98.5%的销售额遵循正态概率分布的原则。只有1.5%的鞋子销售超过了平均值的三个标准差。正态概率分布的原理用于许多不同的应用。民意调查人员有时使用分布概率来预测他们收集的数据的准确性。正态曲线也可用于金融应用，如分析某只股票的表现。教育者可以应用正态概率分布规律来预测未来的考试成绩或根据曲线对论文进行评分。