M1 统计学：正态分布 (第一部分)

基本定义和特性

大家好！欢迎来到统计学中其中一个最重要的课题：正态分布。别被这个名字吓倒。「正态」顾名思义，因为它能描述现实世界中很多现象，例如你校内学生的身高，或者测验的分数。

在本章中，我们会学习正态分布是什么、了解它的主要特征，并看看为何它在统计学领域中如此举足轻重。打好这些基础，将来学习其他章节时就会轻松得多。事不宜迟，我们开始吧！


从数算到量度：连续随机变量

首先，快速回顾一下...

还记得离散随机变量吗？这些是你可以数算的变量。
例如：掷硬币5次中正面的次数（可以是0、1、2、3、4或5次，但不会是2.5次）。又或者是一页上的错字数量。

现在，让我们认识连续随机变量吧！

连续随机变量是指在给定范围内可以取任何数值的变量。想想那些你需要「量度」而非「数算」的事物。

  • 例子1：学生的身高。它可以是165厘米、165.1厘米、165.11厘米，或其间的任何数值。
  • 例子2：跑100米所需的时间。它可以是12.5秒、12.51秒等等。
  • 例子3：一个苹果的重量。
核心概念：概率就是面积

对于连续变量来说，它刚好是某个特定数值的概率实际上是零！ (某人的身高刚好是170.00000...厘米的机会有多大？)

相反，我们会讨论变量落在某个范围内的概率。例如：「一名学生的身高在165厘米和170厘米之间的概率是多少？」

我们将这些概率表示为曲线下的面积。这条特殊的曲线称为概率密度函数 (Probability Density Function, PDF)。而所有PDF中最有名的，就是正态分布的钟形曲线！

重点总结：离散与连续

离散：可数算的数值（例如：学生人数）。我们使用概率质量函数（如二项式分布或泊松分布）。
连续：可量度的范围内数值（例如：学生身高）。我们使用概率密度函数（如正态分布）。


万众瞩目的主角：正态分布

正态分布是一种连续概率分布，它左右对称并呈现独特的钟形。这是一种能适用于无数现实情况的数学模型。

标记符号：学习它的「语言」

当一个连续随机变量 X 遵循正态分布时，我们会这样写：

$$X \sim N(\mu, \sigma^2)$$

让我们拆解一下。别担心，它比看起来简单！

  • X：这是我们的连续随机变量（例如：智商分数）。
  • ~：这个小波浪符号表示「依循分布」或「符合...分布」。
  • N：这代表正态（Normal）。很简单吧！
  • ($$\mu$$, $$\sigma^2$$)：这两个是定义钟形曲线特定形状和位置的两个极其重要的参数。
    • $$\mu$$ (读作 Mu) 是分布的平均值。它告诉我们图形的中心位置。
    • $$\sigma^2$$ (读作 Sigma 平方) 是分布的方差。它告诉我们数据的分散程度。

请记住，标准差 $$\sigma$$ 只是方差的平方根 ($$\sigma = \sqrt{\sigma^2}$$)。标准差也用来衡量数据的分布情况。

常见错误警示！

请务必留意括号内的第二个数字！符号标记是 $$N(\mu, \sigma^2)$$，它使用的是方差。
如果你获告知学生的身高遵循 $$N(168, 25)$$：
- 平均值 $$\mu$$ 是 168。
- 方差 $$\sigma^2$$ 是 25。
- 标准差 $$\sigma$$ 是 $$\sqrt{25} = 5$$，而不是 25！这在考试中是非常常见的陷阱。


正态曲线的「性格特征」

所有正态分布曲线都拥有四个主要特性。理解这些特性会让你对它们的运作方式有更深入的了解。

1. 钟形且对称

正态分布的图形最广为人知的就是其「钟形曲线」。
它围绕其中心点，即平均值($$\mu$$)，呈现完美的对称。

比喻：想象一下，沿着平均值($$\mu$$)的垂直线对折图形。两边会完美地重叠！这种对称性意味着低于平均值某个数量的概率，与高于平均值相同数量的概率是完全一样的。

2. 「三合一」中心：平均值 = 中位数 = 众数

因为曲线是完美对称且在中心达到顶点：

  • 平均值（平均数）位于中心。
  • 中位数（将数据一分为二的数值）也位于中心。
  • 众数（最常出现的数值）位于曲线的最高点，而这个点就是...你猜对了，就是中心！

所以，对于任何正态分布：平均值 = 中位数 = 众数 = $$\mu$$。

3. 分布的「宽窄」由标准差($$\sigma$$)决定

平均值($$\mu$$)告诉我们曲线的中心在哪里，而标准差($$\sigma$$)则告诉我们它有多「分散」或「压缩」。

  • 小的标准差($$\sigma$$)意味着数据紧密地聚集在平均值附近。这会导致钟形曲线变得又高又窄。
  • 大的标准差($$\sigma$$)意味着数据分布更广。这会导致钟形曲线变得又矮又宽。

比喻：想象两班学生参加同一个测验。如果甲班的$$\sigma$$较小，代表大部分学生的分数都非常接近平均分。如果乙班的$$\sigma$$较大，代表分数分布得较广——有些很高，有些很低。

4. 曲线下的总面积是1

这是所有概率分布的基本规则。由于曲线代表所有可能的结果，总概率必须是100%，即1。

因此，整个正态分布曲线下的总面积永远等于1。

这也意味着每个对称半边的面积都是0.5。所以，结果高于平均值的机会是50%，低于平均值的机会也是50%。

你知道吗？

正态分布也称为高斯分布 (Gaussian distribution)，以19世纪初对其进行大量研究的德国杰出数学家卡尔·弗里德里希·高斯 (Carl Friedrich Gauss) 命名。


让我们快速回顾！

快速回顾
  • 连续随机变量可以在一个范围内取任何数值（例如：身高、体重、时间）。
  • 连续变量的概率是曲线下的面积。
  • 标记 $$X \sim N(\mu, \sigma^2)$$ 意指变量 X 遵循正态分布，其平均值为 $$\mu$$，方差为 $$\sigma^2$$。
  • 主要特性：
    1. 它是钟形且关于平均值对称的。
    2. 平均值 = 中位数 = 众数。
    3. 标准差($$\sigma$$)控制着曲线的扁平度/分布宽窄。
    4. 曲线下的总面积永远是1。
  • 注意！请记住要将第二个参数开平方，才能找到标准差 $$\sigma$$。

太棒了！你现在已经掌握了正态分布的基本概念。这些概念是接下来所有学习的基石。请记住这些特性，因为我们将会继续学习如何利用这个强大的工具来计算概率。