The normal distribution

欢迎来到常态分布的世界！

你有没有发现，大多数人的身高都在平均值左右，极高或极矮的人寥寥无几？或者，一袋苹果的重量大多差不多，只有极少数特别小或特别巨大？在统计学中，这种“常见”的规律被称为常态分布 (Normal Distribution)。由于它拥有对称、优美的形状，我们常昵称它为“钟形曲线” (Bell Curve)。

在本章中，你将学会如何驾驭这条曲线、利用统计表查出概率，甚至利用常态分布来推测各类数据。如果一开始觉得公式很繁琐，别担心——一旦你掌握了它的对称性，解题就像拼图一样充满乐趣！

1. 什么是常态分布？

常态分布适用于连续随机变量 (continuous random variables)。与离散变量（例如班上学生的人数）不同，连续变量可以取任何数值（例如跑步完成比赛的精确时间）。

我们使用两个主要特征（参数）来描述常态分布：
1. 平均值 (Mean, \( \mu \))： 这是曲线的中心，告诉我们峰值在哪里。
2. 方差 (Variance, \( \sigma^2 \))： 这代表曲线的“分散程度”。方差小，曲线会又高又瘦；方差大，曲线则会又矮又胖。

我们通常写成：\( X \sim N(\mu, \sigma^2) \)

重要特性：对称性 (Symmetry)
曲线在平均值处是完全对称的。这意味着：
- 50% 的数据高于平均值。
- 50% 的数据低于平均值。
- 曲线下的总面积永远为 1（代表总概率为 100%）。

小贴士： 如果你知道曲线一侧的情况，另一侧也就迎刃而解了！如果“大于 X”的概率是 0.1，那么“小于对应另一侧点位”的概率同样是 0.1。

2. 标准常态分布 (\( Z \))

常态分布有无穷多种（不同的平均值和方差）。为了简化问题，数学家建立了一种“通用翻译机”，称为标准常态分布，并用字母 \( Z \) 表示。

对于 \( Z \) 分布：
- 平均值 (\( \mu \)) 永远为 0。
- 方差 (\( \sigma^2 \)) 和标准差 (\( \sigma \)) 永远为 1。
- 我们写成：\( Z \sim N(0, 1) \)。

标准化公式 (Standardization Formula)：
要将任何 \( X \) 值转化为 \( Z \)-分数 (Z-score)，请使用此公式：
\( Z = \frac{X - \mu}{\sigma} \)

比喻： 把 \( X \) 想成不同货币（如美金或欧元），而 \( Z \) 是黄金。为了进行比较，我们得先把所有东西都换算成黄金！

关键词： \( Z \)-分数 代表一个数值距离平均值有多少个标准差。

3. 使用常态分布表

在考试中，你会拿到一张表，它显示了特定 \( Z \) 值左侧的面积（概率），通常写作 \( \Phi(z) \)。

如何查表：
1. 在左侧栏位找到 \( Z \)-分数的前两位数字。
2. 在顶部横列找到第三位数字。
3. 它们交会的数字就是你的概率。

必须记住的对称技巧：
- 求正 \( z \) 值左侧的面积： 直接使用 \( \Phi(z) \)。
- 求正 \( z \) 值右侧的面积： 使用 \( 1 - \Phi(z) \)。
- 求负 \( z \) 值左侧的面积： 使用 \( 1 - \Phi(正 \ z) \)。
- 求两数 \( a \) 和 \( b \) 之间的面积： 计算 \( \Phi(b) - \Phi(a) \)。

常见错误： 很多同学会在公式中使用“方差”而非“标准差”。如果题目写着 \( X \sim N(10, 16) \)，请记住 \( \sigma^2 = 16 \)，计算时必须使用 \( \sigma = 4 \)！

4. 逐步解决问题

大多数考题都遵循以下流程：
第一步： 写下已知条件（\( \mu \)、\( \sigma \) 以及你要求解的 \( X \) 值）。
第二步： 使用 \( Z = \frac{X - \mu}{\sigma} \) 将 \( X \) 值标准化。
第三步： 画一个简单的钟形曲线，并涂上你需要求的区域。（这能避免低级错误！）
第四步： 在表中查出 \( Z \) 值，并在必要时运用对称规则。

反向问题：
有时题目会给出概率，要求你求 \( X \)。
1. 在表的正文内容中找出该概率。
2. 找出对应的 \( Z \)-分数。
3. 使用公式：\( X = \mu + Z\sigma \)。

一开始觉得难别担心！ 只要记住：表格永远只提供左侧的面积。如果你的阴影区域在右侧，你就要用到“1 减去”的技巧。

5. 二项分布的常态近似

有时，使用前一章学到的二项分布计算会非常耗时。如果你抛了 1,000 次硬币，你肯定不想计算 1,000 次不同的概率！这时，我们可以用常态分布作为捷径。

什么时候可以使用？（课程要求）：
只有在满足以下条件时才能使用近似：
1. \( np > 5 \)
2. \( nq > 5 \) (其中 \( q = 1 - p \))

设定参数：
- 平均值为 \( \mu = np \)。
- 方差为 \( \sigma^2 = npq \)。

连续性修正 (Continuity Correction, 「0.5 单位」法则)：
二项分布是离散的（柱状图），但常态分布是连续的（平滑曲线）。为了衔接两者，我们需要加减 0.5。
- 如果要求 \( P(X \ge 10) \)，实际上应计算 \( P(X_{normal} > 9.5) \)。
- 如果要求 \( P(X \le 10) \)，实际上应计算 \( P(X_{normal} < 10.5) \)。
- 如果要求 \( P(X = 10) \)，应寻找 9.5 到 10.5 之间的面积。

你知道吗？ 连续性修正就像试图把一张圆形的纸包住一个方盒子——你需要那额外的 0.5 来确保覆盖到边角！

6. 总结与复习

重点摘要：
- 标记法： \( X \sim N(\mu, \sigma^2) \)。务必确认你手头的是方差还是标准差！
- \( Z \)-分数： 测量距离平均值有多少个标准差。
- 对称性： 曲线两侧完全一致，总面积 = 1。
- 表格： 表格永远显示 \( Z \) 的左侧面积。
- 连续性修正： 仅在二项分布近似时使用，记住 +/- 0.5 的规则。

记忆口诀： “平均居中，标准差散；化为 \( Z \) 值，运算不乱！”

最后提醒： 一定要画曲线！只需花 5 秒钟，却是确保你正确计算“1 减去”或“相加”的最佳方法。你一定可以的！