歡迎來到常態分佈的世界！
你有沒有留意過，大多數人的身高都處於平均水平，而極高或極矮的人卻寥寥無幾？又或者，袋子裡的蘋果重量大多相近，只有極少數異常值？這種自然界中的規律被稱為常態分佈（Normal Distribution），人們常把它稱為「鐘形曲線」（Bell Curve）。
在這一章，我們將學習如何利用數學來模擬這些現實生活中的規律。如果統計學讓你覺得有點抽象，別擔心——一旦你看懂了這些視覺圖案，一切就會豁然開朗！
1. 連續隨機變數
在我們深入研究曲線之前，首先要明白我們在測量什麼。與二項分佈（計算「有多少個」）不同，常態分佈處理的是連續隨機變數（Continuous Random Variables）。
- 離散（二項分佈）：可數的事物（例如：學生人數、擲硬幣出現正面的次數）。
- 連續（常態分佈）：可測量且能在某個範圍內取任何值的事物（例如：你的精確身高、跑完比賽所花的時間、朱古力的重量）。
重點提示：如果你是用尺、磅秤或秒錶測量出來的數值，它很可能就是一個連續變數！
2. 常態分佈：傳說中的「鐘形曲線」
常態分佈由兩個重要的參數定義：
- 平均值（Mean，\(\mu\)）：曲線的中心（平均數）。
- 變異數（Variance，\(\sigma^2\)）：數據的分散程度。（註：\(\sigma\) 為標準差，Standard Deviation）。
我們將其寫作：\(X \sim N(\mu, \sigma^2)\)
鐘形曲線的性質：
- 對稱性：左側是右側的鏡像。最高峰正好位於平均值（\(\mu\)）處。
- 總面積 = 1：因為所有可能結果的總機率必須等於 1（或 100%）。
- 漸近線：曲線的「尾巴」會越來越接近橫軸，但永遠不會真正觸碰到它。
比喻：把曲線想像成一堆沙。大部分沙子堆在中間的尖頂（平均值），隨著你向左或向右移動，沙子會逐漸變得稀疏。
快速回顧：
如果 \(X \sim N(50, 25)\)，那麼平均值是 50，變異數是 25。這意味著標準差（\(\sigma\)）為 \(\sqrt{25} = 5\)。
3. 標準常態分佈（Z）
由於 \(\mu\) 和 \(\sigma\) 有無窮多種組合，數學家創造了一條「黃金標準」曲線來簡化計算，這就是標準常態分佈，通常用字母 \(Z\) 表示。
對於 \(Z\)-分佈：
\(Z \sim N(0, 1)\)（平均值 = 0，變異數 = 1）
標準化公式：
要將任何「常態」值（\(x\)）轉換為「標準」值（\(z\)），我們使用：
\(Z = \frac{X - \mu}{\sigma}\)
這告訴你該數值距離平均值有多少個標準差。
- 正 \(Z\) 值：代表該值高於平均。
- 負 \(Z\) 值：代表該值低於平均。
4. 求取機率與數值
在 H1 數學中，你主要會使用圖形計算機（Graphing Calculator, GC）來求取機率。你不需要進行複雜的積分計算！
A. 求取機率 \(P(X < x_1)\)
使用 GC 上的 normCdf 功能。你需要輸入下限（Lower Bound）、上限（Upper Bound）、\(\mu\) 和 \(\sigma\)。
常見錯誤：學生經常忘記 GC 要求輸入的是 \(\sigma\)（標準差），但題目給出的可能是 \(\sigma^2\)（變異數）。在輸入之前，請務必先將變異數開根號！
B. 已知機率求取數值 \(x_1\)
如果題目給出面積（機率）並要求找出「分界值」，請使用 GC 上的 invNorm 功能。
對稱之美：
因為曲線是完美對稱的：
1. \(P(X > \mu) = 0.5\)
2. \(P(X < \mu - a) = P(X > \mu + a)\)
3. \(P(X < x) = 1 - P(X > x)\)
你知道嗎？在大約 68% 的常態分佈數據都集中在平均值左右 1 個標準差範圍內。約 95% 的數據落在 2 個標準差範圍內！
5. 隨機變數的線性組合
有時候，我們需要將變數相加或相減。例如，如果一杯咖啡的重量（\(X\)）和一隻杯碟的重量（\(Y\)）都呈常態分佈，那麼它們的總重量（\(X+Y\)）的分佈為何？
A. 單一變數的縮放：\(aX + b\)
如果 \(X \sim N(\mu, \sigma^2\)，那麼對於新變數 \(W = aX + b\)：
- 新平均值： \(E(aX + b) = aE(X) + b\)
- 新變異數： \(Var(aX + b) = a^2Var(X)\)
小貼士：留意一下，「+ b」會影響平均值，但在變異數中卻消失了！將整個曲線向左或向右平移，並不會改變其「分散程度」。另外，計算變異數時，記得要將係數 「a」 平方。
B. 結合兩個獨立變數：\(aX + bY\)
如果 \(X\) 和 \(Y\) 是相互獨立的：
- 新平均值： \(E(aX + bY) = aE(X) + bE(Y)\)
- 新變異數： \(Var(aX + bY) = a^2Var(X) + b^2Var(Y)\)
關鍵法則：當變數相減（例如 \(X - Y\)）時，你仍然是將變異數相加！
\(Var(X - Y) = Var(X) + Var(Y)\)
為什麼？因為將兩個具有不確定性的事物結合起來，總是會帶來更多的不確定性（分散程度），永遠不會減少。
重點總結：
平均值隨算式符號改變（相加則加，相減則減）。變異數永遠相加，並且永遠對係數進行平方。
6. 總結與成功小貼士
- 繪製曲線：一定要畫出簡易的鐘形曲線，並塗抹出你想要尋找的區域。這能有效防止低級錯誤！
- 檢查參數：認真閱讀題目——題目給的是 \(\sigma\) 還是 \(\sigma^2\)？
- \(Z\)-分數是你的好夥伴：如果平均值或變異數未知，你必須先標準化為 \(Z\) 才能解決問題。
- 獨立性：只有當變數相互獨立時，你才能將變異數相加。檢查題目中是否包含「獨立」這個關鍵詞。
如果一開始覺得有點難也不要擔心！常態分佈是最具規律性的課題之一。只要掌握了 GC 的操作步驟和對稱規則，你就能夠攻克幾乎所有相關題目！