正態(tài)分布曲線圖形的面積分布

正態(tài)曲線下橫軸上一定區(qū)間的面積反映該區(qū)間的例數(shù)占總例數(shù)的百分比，或變量值落在該區(qū)間的概率（概率分布）。不同 范圍內(nèi)正態(tài)曲線下的面積可用公式計算。

正態(tài)曲線下，橫軸區(qū)間(μ-σ,μ σ)內(nèi)的面積為68.268949%。

P{|X-μ|<σ}=2Φ(1)-1=0.6826

橫軸區(qū)間(μ-1.96σ,μ 1.96σ)內(nèi)的面積為95.449974%。

P{|X-μ|<2σ}=2Φ(2)-1=0.9544

橫軸區(qū)間(μ-2.58σ,μ 2.58σ)內(nèi)的面積為99.730020%。

P{|X-μ|<3σ}=2Φ(3)-1=0.99742100433B

集中性：正態(tài)曲線的高峰位于正中央，即均數(shù)所在的位置。

對稱性：正態(tài)曲線以均數(shù)為中心，左右對稱，曲線兩端永遠不與橫軸相交。

均勻變動性：正態(tài)曲線由均數(shù)所在處開始，分別向左右兩側(cè)逐漸均勻下降。

曲線與橫軸間的面積總等于1，相當于概率密度函數(shù)的函數(shù)從正無窮到負無窮積分的概率為1。即頻率的總和為100%。

正態(tài)分布曲線表達式

正態(tài)分布曲線參數(shù)定義

正態(tài)分布表達式中有兩個參數(shù)，即期望（均數(shù)）μ和標準差σ，σ²為方差。

正態(tài)分布具有兩個參數(shù)μ和σ^2的連續(xù)型隨機變量的分布，第一參數(shù)μ是服從正態(tài)分布的隨機變量的均值，第二個參數(shù)σ^2是此隨機變量的方差，所以正態(tài)分布記作N(μ,σ²)。

μ是正態(tài)分布的位置參數(shù)，描述正態(tài)分布的集中趨勢位置。概率規(guī)律為取與μ鄰近的值的概率大，而取離μ越遠的值的概率越小。正態(tài)分布以X=μ為對稱軸，左右完全對稱。正態(tài)分布的期望、均數(shù)、中位數(shù)、眾數(shù)相同，均等于μ。

σ描述正態(tài)分布資料數(shù)據(jù)分布的離散程度，σ越大，數(shù)據(jù)分布越分散，σ越小，數(shù)據(jù)分布越集中。也稱為是正態(tài)分布的形狀參數(shù)，σ越大，曲線越扁平，反之，σ越小，曲線越瘦高。

正態(tài)分布曲線一種概率分布。正態(tài)分布是具有兩個參數(shù)μ和σ^2的連續(xù)型隨機變量的分布，第一參數(shù)μ是遵從正態(tài)分布的隨機變量的均值，第二個參數(shù)σ2是此隨機變量的方差，所以正態(tài)分布記作N(μ，σ^2)。 遵從正態(tài)分布的隨機變量的概率規(guī)律為取μ鄰近的值的概率大，而取離μ越遠的值的概率越?。沪以叫?，分布越集中在μ附近，σ越大，分布越分散。正態(tài)分布的密度函數(shù)的特點是：關(guān)于μ對稱，在μ處達到最大值，在正（負）無窮遠處取值為0，在μ±σ處有拐點。它的形狀是中間高兩邊低，圖像是一條位于x軸上方的鐘形曲線。當μ=0，σ^2=1時，稱為標準正態(tài)分布，記為N（0，1）。μ維隨機向量具有類似的概率規(guī)律時，稱此隨機向量遵從多維正態(tài)分布。多元正態(tài)分布有很好的性質(zhì)，例如，多元正態(tài)分布的邊緣分布仍為正態(tài)分布，它經(jīng)任何線性變換得到的隨機向量仍為多維正態(tài)分布，特別它的線性組合為一元正態(tài)分布。

正態(tài)分布最早由A.棣莫弗在求二項分布的漸近公式中得到。C.F.高斯在研究測量誤差時從另一個角度導出了它。P.S.拉普拉斯和高斯研究了它的性質(zhì)。

生產(chǎn)與科學實驗中很多隨機變量的概率分布都可以近似地用正態(tài)分布來描述。例如，在生產(chǎn)條件不變的情況下，產(chǎn)品的強力、抗壓強度、口徑、長度等指標；同一種生物體的身長、體重等指標；同一種種子的重量；測量同一物體的誤差；彈著點沿某一方向的偏差；某個地區(qū)的年降水量；以及理想氣體分子的速度分量，等等。一般來說，如果一個量是由許多微小的獨立隨機因素影響的結(jié)果，那么就可以認為這個量具有正態(tài)分布（見中心極限定理）。從理論上看，正態(tài)分布具有很多良好的性質(zhì)，許多概率分布可以用它來近似；還有一些常用的概率分布是由它直接導出的，例如對數(shù)正態(tài)分布、t分布、F分布等。

正態(tài)分布曲線是指滿足正態(tài)分布的分布曲線。而正態(tài)分布（Normal distribution），也稱“常態(tài)分布”，又名高斯分布（Gaussian distribution），最早由A.棣莫弗在求二項分布的漸近公式中得到。C.F.高斯在研究測量誤差時從另一個角度導出了它。P.S.拉普拉斯和高斯研究了它的性質(zhì)。是一個在數(shù)學、物理及工程等領(lǐng)域都非常重要的概率分布，在統(tǒng)計學的許多方面有著重大的影響力。

材料的疲勞特性曲線有兩種：σ-Ν曲線和等壽命曲線 。