身高、成绩、测量误差、零件尺寸——大自然里一大堆连续量,画成直方图都长成同一副样子:中间高、两边低、左右对称的钟形。这就是正态分布。这一页把它拆成三件事:曲线长什么样(μ、σ 说了算)、3σ 原则那三个数、以及靠对称性把任何区间概率算出来。
这条曲线记作 X~N(μ,σ²)。式子不用背,四大特征必须刻进脑子:
| 特征 | 说明 |
|---|---|
| 关于 x=μ 对称 | 对称轴是 x=μ(不是 y 轴,不是 x=0)。左右两半镜像。 |
| 在 x=μ 处最高 | μ 处取到峰值(最大概率密度),两边单调下降。 |
| σ 越大越「矮胖」 | σ 大→数据分散→曲线矮而宽;σ 小→数据集中→曲线高而窄。 |
| 总面积 = 1 | 曲线与 x 轴之间面积恒为 1(即概率总和为 1);曲线在 x 轴上方,以 x 轴为渐近线。 |
⚠ 对称轴是 x=μ,不要下意识写成 x=0 或 y 轴——只有标准正态 N(0,1) 才关于 y 轴对称。μ 平移曲线(左右挪),σ 只改胖瘦(不挪中心)。
拖 μ：整条曲线左右平移，对称轴永远在 x=μ。拖 σ：σ 变大曲线变矮胖（峰值降低、变宽），σ 变小变高瘦。无论怎么拖，曲线下面积始终 = 1。
以对称轴 x=μ 为中心,向两侧各扩 1、2、3 个 σ,得到三个「黄金区间」,它们的概率是固定的:
现实含义:数据几乎全部(99.73%)落在 (μ−3σ, μ+3σ) 之内,落在这之外是「小概率事件」(仅 0.27%)。工业上以此判定「异常/次品」。
⚠ 三个数别记混:1σ≈0.6827、2σ≈0.9545、3σ≈0.9973。别把 0.6827 写成 0.68 就丢精度,考试要求哪个精度按题目给的用。
点按钮切换填色区间。填色部分的面积 = 落在该区间的概率。可以看出：从 ±1σ 到 ±3σ，几乎把整条曲线都盖住了（99.73%），外面只剩极小的尾巴。
因为曲线关于 x=μ 对称、总面积为 1,可以推出一串好用的结论:
已知某个对称区间的概率 p,要求它的一半、或它以外的一边,就用对称拆分:
思路:总面积 1，减去中间区间概率 → 剩下两条尾巴的总概率，再除以 2 得单条尾巴。
⚠ 尾巴要「除以 2」!两条尾巴对称、平分「1 减去中间」这部分。忘了除以 2 是最常见错误。
a、b 以 σ 为单位（例如 a=−1 表示 μ−σ）。填色块 = 区间概率，用 3σ 那三个数 + 对称拆分算出。左右尾巴合起来 = 1 − 填色块。
| 参数 | 控制什么 | 变大时 |
|---|---|---|
| μ (均值) | 曲线的位置(对称轴、峰所在 x) | 整条曲线右移(形状不变) |
| σ (标准差) | 曲线的胖瘦(数据分散程度) | 曲线矮胖、更宽(数据更散) |
比较两条正态曲线时: 对称轴靠左的 μ 小、靠右的 μ 大;曲线高而窄的 σ 小、矮而宽的 σ 大。峰值高度和 σ 成反比(σ 越小越尖)。
⚠ 千万别记反:σ 越大越「矮胖」(越分散),不是越「高瘦」。峰值高≠好——那只是 σ 小、数据集中的表现。
两条曲线同图对比：对称轴靠右的均值 μ 大；曲线更矮胖的标准差 σ 大（数据更分散）。改滑块看结论怎么变。
μ=0、σ=1 的正态分布叫标准正态分布,记作 N(0,1)。它关于 y 轴(x=0)对称,峰在原点。任何 X~N(μ,σ²) 都能通过标准化变成标准正态:
标准化在做什么? 先平移(减 μ,把中心移到 0)、再缩放(除 σ,把「胖瘦」拉成标准的 1)。这样任何正态问题都能查同一张标准正态表。「X 落在 μ+kσ 以内」等价于「Z 落在 ±k 以内」。
⚠ 标准化是「先减 μ 再除 σ」,顺序别乱,除的是 σ(标准差)不是 σ²(方差)。3σ 原则本质就是标准正态里 Z∈(−1,1)、(−2,2)、(−3,3) 的概率。
上方是原始 N(μ,σ²)，下方灰线是标准 N(0,1)。点「变换动画」看曲线先左移到 0、再拉成标准宽度。红点 x 变成 Z=(x−μ)/σ，位置由「偏离均值几个 σ」决定。
前面是「给 μ、σ 求概率」,反过来:给概率反求 μ 或 σ。抓手还是对称 + 3σ。
若已知 P(X<a)=P(X>b)(两个对称的概率相等),则 a、b 关于 μ 对称 → μ=(a+b)/2。
若 P(μ−σ<X<μ+σ)=0.6827 且已知区间端点,把 μ+σ、μ−σ 与端点对上就能解出 σ;或由「某个对称区间恰好是 k 个 σ 宽」反推 σ。
⚠ 反求 μ 时,两个概率必须相等且对称才有 μ=(a+b)/2;若概率不等就不能直接取中点，要另找对称关系。
切换两种反求题型：模式一用「两块对称概率相等 → μ 取端点中点」；模式二用「±σ 区间概率 0.6827 → 区间半宽 = σ」。图上标注 μ 与 σ 的求解过程。
正态分布最常出现在质量检测题里:某零件尺寸/某成绩 X~N(μ,σ²),问合格率、次品率、超标个数。
「大约几件」类:期望个数 = 概率 × 总件数。例如 P=0.9545、总数 10000,则约 9545 件合格。
⚠ 「合格」通常是双侧区间(μ±kσ 之内),别只算一边;问「次品」是补集 1−合格率;问「超上限」才是单条尾巴(要除以 2)。
绿色填色 = 合格区间（μ±kσ）。合格率取 3σ 那三个数之一，乘总件数得合格个数；总数减合格 = 次品个数（红色尾巴）。
触发信号:给了 X~N(μ,σ²) 具体的 μ、σ，问 P 落在 (μ−σ,μ+σ) / (μ−2σ,μ+2σ) / (μ−3σ,μ+3σ) 这类整数倍 σ 的区间。
标准动作:把区间端点写成 μ±kσ，认出 k=1/2/3，直接套 0.6827 / 0.9545 / 0.9973。
示例(带解):X~N(80,4²)，即 μ=80、σ=4。求 P(76<X<84)。76=80−4=μ−σ，84=80+4=μ+σ → 正好 ±1σ → P=0.6827。求 P(72<X<88):72=μ−2σ、88=μ+2σ → P=0.9545。
陷阱:端点不是整数倍 σ 却硬套三个数;把 σ² 当 σ 用(N(80,4²) 里 σ=4，不是 16)。
触发信号:问的是单边 P(X>a)、P(X<a)，或「一半个区间」P(μ<X<μ+σ)。
标准动作:用 P(X<μ)=P(X>μ)=0.5；对称区间的一半 = 该区间概率÷2；单条尾巴 = (1−对称区间概率)÷2。
示例(带解):X~N(80,4²)，求 P(X>84)。84=μ+σ。P(76<X<84)=0.6827 → 两条尾巴共 1−0.6827=0.3173 → 每条尾巴 0.3173÷2=0.15865。再求 P(80<X<84)=0.6827÷2=0.34135。
陷阱:尾巴忘了除以 2;把 P(X>μ) 当成 1(应是 0.5)。
触发信号:一张图两条(或多条)钟形曲线，问谁的 μ 大、谁的 σ 大，或判断均值/方差大小关系。
标准动作:看对称轴位置定 μ(靠右者 μ 大);看胖瘦/峰高定 σ(矮胖者 σ 大，高瘦者 σ 小)。
示例(带解):甲曲线对称轴在 x=2、又高又窄;乙曲线对称轴在 x=5、矮而宽。则 μ甲=2<μ乙=5;σ甲<σ乙(甲高瘦→σ小，乙矮胖→σ大)。
陷阱:把「峰值高」当成「μ 大」(峰高只反映 σ 小);σ 记反成「越大越高瘦」。
触发信号:给出两个对称概率相等，或给出某区间概率恰为 0.6827/0.9545，反求 μ、σ。
标准动作:反求 μ：两概率相等 → 端点关于 μ 对称 → μ=(a+b)/2。反求 σ：把区间端点对上 μ±kσ 解 σ。
示例(带解):X~N(μ,σ²)，已知 P(X<70)=P(X>90)。两概率相等 → 70、90 关于 μ 对称 → μ=(70+90)/2=80。若再知 P(76<X<84)=0.6827，则 76、84 是 μ±σ → σ=84−80=4。
陷阱:概率不相等仍硬取中点;把「区间宽度」直接当 σ(应是半宽=σ)。
触发信号:「零件尺寸」「某次考试成绩」「测量误差」服从正态分布，问合格率、次品数、约多少件/人。
标准动作:把合格范围写成 μ±kσ → 用 3σ 求合格率 → 合格率×总数=合格数;次品率=1−合格率;超标概率×总数=超标数。
示例(带解):零件长度 X~N(20,0.1²)，合格范围 (19.8, 20.2) 即 μ±2σ。合格率=0.9545。生产 10000 件，约合格 9545 件，次品约 10000−9545=455 件。
陷阱:合格是双侧区间却只算一侧;把「次品数」算成合格数;问「超上限」时忘了只取单条尾巴(÷2)。
① 对称轴是 x=μ，不是 x=0 / y 轴。只有标准正态 N(0,1) 才关于 y 轴对称。
② 区间概率用对称性拆分：单条尾巴 = (1−对称区间概率)÷2，别忘了那个「÷2」。
③ 3σ 三个数背牢：1σ≈0.6827、2σ≈0.9545、3σ≈0.9973，别互相记混。
④ σ 越大越「矮胖」（数据越分散），不是越高瘦。峰高反映的是 σ 小、数据集中。
⑤ 记号 N(μ,σ²) 里第二个数是方差 σ²：N(80,4²) 的 σ=4，不是 16。标准化除的是 σ 不是 σ²。
⑥ P(X>μ)=0.5 不是 1；P(X=a)=0（连续型，单点概率为 0）。
⑦ 「合格」多为双侧 μ±kσ；「次品」是补集 1−合格率；「超上限」才是单条尾巴。
⑧ 反求 μ=(a+b)/2 的前提是两概率相等且对称；概率不等不能取中点。
⑨ 曲线总面积 = 1（不是无穷、不是曲线最高点为 1）；曲线以 x 轴为渐近线，永远不与 x 轴相交。
① 一切正态题都能「标准化」回到 N(0,1)： Z=(X−μ)/σ 把千变万化的 μ、σ 统一成同一张标准表。看到陌生 μ、σ，先在脑子里换算「这个 x 偏离均值几个 σ」（就是 Z），问题立刻变熟——3σ 原则本质就是 Z∈(−1,1)/(−2,2)/(−3,3) 的概率。
② 「对称 + 总面积 1」两条公理推出一切： 不要孤立记 P(X>μ+σ)、P(μ<X<μ+σ) 这些结论。全部现推：画对称轴，把已知区间概率标上，用「左右对称」和「加起来为 1」两步就能拆出任何单边、半区间概率，任凭题目怎么变都不慌。
③ μ 管位置、σ 管形状，彼此独立： 平移（改 μ）不改变胖瘦，缩放（改 σ）不改变中心。比较多条曲线时把这两件事分开看：先按对称轴排 μ，再按胖瘦排 σ，绝不混淆——很多「比较题」失分就因为把峰高误当 μ 大。
④ 「大约几件/几人」= 概率 × 总数： 正态是连续分布，落在某区间的频率近似等于概率。所以合格数≈合格率×总数、次品数≈(1−合格率)×总数。把概率翻译成「份额」，实际应用题就是一道乘法。
⑤ 3σ 之外是「小概率事件」——这是质检的判据： P(|X−μ|>3σ)≈0.0027，几乎不可能。工业上一旦测到超出 3σ 的值，就判定「工艺异常」而非「碰巧」。理解这层含义，你就懂了正态分布在统计推断里的角色，而不只是套三个数。
thebest2dan · 数学攻坚包 · 正态分布：钟形曲线 + 3σ 原则 + 对称性求概率