视频字幕
正态分布，也称为高斯分布，是一种连续概率分布。它的概率密度函数曲线呈钟形，因此也常被称为钟形曲线。这个分布在统计学和自然科学中非常重要，因为许多自然现象都近似服从正态分布。正态分布的概率密度函数由一个复杂的数学公式表示，其中包含均值μ和标准差σ两个参数。
正态分布由两个参数决定：均值μ和标准差σ。均值决定了分布的中心位置，标准差决定了分布的离散程度或宽度。当我们改变均值时，整个分布会沿着x轴平移；当我们改变标准差时，分布的形状会变宽或变窄。在正态分布中，均值、中位数和众数是相等的，都位于分布的中心。这是正态分布对称性的一个重要特征。
标准正态分布是均值为0，标准差为1的特殊正态分布。在统计学中，我们经常使用68-95-99.7法则来描述正态分布的数据分布特性。这个法则告诉我们，约68%的数据落在均值左右一个标准差的范围内，约95%的数据落在均值左右两个标准差的范围内，而约99.7%的数据落在均值左右三个标准差的范围内。这个法则帮助我们理解数据的分布情况，以及异常值的可能性。
正态分布在现实生活中有广泛的应用。人类的许多生理特征，如身高和体重，通常近似服从正态分布。这里我们看到的是一组模拟的人类身高数据，蓝色柱状图表示实际数据分布，红色曲线是理论正态分布。此外，智商测试和考试成绩的分布也常常近似正态分布。在科学实验中，测量误差通常也服从正态分布。金融市场的收益率和制造业的质量控制也经常使用正态分布进行分析和预测。
总结一下，正态分布是一种重要的连续概率分布，其概率密度函数呈现出特征性的钟形曲线。它由均值μ和标准差σ两个参数决定，均值决定了分布的中心位置，而标准差则决定了分布的宽度或离散程度。68-95-99.7法则帮助我们理解数据在不同标准差范围内的分布比例。正态分布在自然界和统计现象中广泛存在，如人类的身高、体重、智商测试成绩、测量误差等都近似服从正态分布。作为统计学、概率论和数据分析的基础，正态分布在科学研究和实际应用中具有重要意义。