正态分布的位置参数是正态分布的位置参数揭开正态分布位置之谜
本文目录
标准正态分布是如何转化而来的？
标准正态分布是转换过去：实际这就是一个坐标系的转换，标准正太分布（均值为0，标准差为1），为正太分布分均值，为正太分布的标准差，z为变化后的值，X为随意变量。
在一般形式的正态分布中，变量是X，是采样的具体数据，所求值要么是具体的该数据下的数据量，要么是此数据量在总数据量中所占的百分比；而在标准正态分布中，变量是采样的具体数据与总体均值的差值并且用标差为单位显示出来（比上标差σ）。
两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。若随机变量X服从一个数学期望为μ、方差为σ2的正态分布，记为N(μ，σ2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布是标准正态分布。
为什么说正态分布有拐点？
正态分布的拐点就是函数曲线突然方向性变化的点，即二阶导数的零点。
正态分布具有两个参数μ和σ2的连续型随机变量，第一参数μ是服从正态分布的随机变量的均值，第二个参数σ2是此随机变量的方差，所以正态分布记作N(μ，σ2 )。
服从正态分布的随机变量的概率规律为取 μ邻近的值的概率大 ，而取离μ越远的值的概率越小；σ越小，分布越集中在μ附近，σ越大，分布越分散。
正态分布的密度函数的特点是：关于μ对称，在μ处达到最大值，在正（负）无穷远处取值为0，在μ±σ处有拐点。
它的形状是中间高两边低 ，图像是一条位于x轴上方的钟形曲线。当μ=0，σ2 =1时，称为标准正态分布，记为N（0，1）。
正态分布的概率与什么有关？
正态分布是一种概率分布。正态分布是具有两个参数μ和σ2的连续型随机变量的分布，第一参数μ是遵从正态分布的随机变量的均值，第二个参数σ2是此随机变量的方差，所以正态分布记作N(μ，σ2 )。遵从正态分布的随机变量的概率规律为取 μ邻近的值的概率大 ，而取离μ越远的值的概率越小；σ越小，分布越集中在μ附近，σ越大，分布越分散。标准正态分布上的分位点的定义？
标准正态分布的上α分位点：设X~N(0,1),对于任给的α,(0<α<1),称满足P(X>Zα)= α的点Zα为标准正态分布的上α分位点。
分位点可以查正态分布表，在正态分布表中找α,对应查出Zα.
例如查Z0.025的值,即需要查1-0.025=0.975对应的Z值,翻开正态分布表,刚好能查到0.9750对应的Z值为1.96,故Z0.025=1.96 。
如果要查Zα=1.96对应的α值,需要先查1.96,对应着0.975,1-0.975=0.025，0.0125即为α值。
如何确定数据是正态分布？
描述统计就是用描述的数字或图表来判断数据是否符合正态分布。常用的方法有Q-Q图、P-P图、直方图、茎叶图。
Q-Q图
Q是quantile的缩写，即分位数。 分位数就是将数据从小到大排序，然后切成100份，看不同位置处的值。比如中位数，就是中间位置的值。Q-Q图的x轴为分位数，y轴为分位数对应的样本值。x-y是散点图的形式，通过散点图可以拟合出一条直线， 如果这条直线的斜率为标准差，截距为均值.，则可以判断数据符合正态分布，否则则不可以。