歡迎來到常態分佈的世界！
在本章中，我們將探索被許多統計學家稱為「分佈之王」的領域。常態分佈（Normal Distribution）極其重要，因為它在現實生活中隨處可見——從人類的身高、蘋果的重量，到考試成績，甚至是科學儀器的測量誤差，都能見到它的身影。讀完這份筆記後，你將能掌握如何描述這個「鐘形曲線」，如何利用計算機計算機率，以及如何利用它來簡化複雜的問題。
1. 什麼是常態分佈？
常態分佈是一種連續機率分佈。與離散分佈（我們計算事物的個數，如 1、2、3 等整數）不同，連續分佈處理的是可以取任何數值的測量結果，例如 1.5、1.55 或 1.5555……
鐘形曲線的核心特性
- 對稱性（Symmetrical）： 如果你在曲線的正中央將其對折，兩邊會完全吻合。
- 平均數、中位數與眾數相等： 它們全都落在曲線最頂端、正中央的位置。
- 總面積 = 1： 曲線下的總面積代表總機率，永遠等於 1（即 100%）。
- 漸近線（Asymptotic）： 曲線的兩側「尾端」會無限靠近橫軸，但永遠不會真正觸碰到它。
表示法： 我們將常態分佈寫作 \(X \sim N(\mu, \sigma^2)\)。
\(\mu\) (mu)： 母體平均數（中心點）。
\(\sigma^2\) (sigma squared)： 母體變異數（數據的分散程度）。
小撇步： 要小心！在 \(N(\mu, \sigma^2)\) 的表示法中，第二個數字是變異數。當你使用計算機時，它通常會要求輸入 \(\sigma\)（標準差）。永遠記得 \(\sigma = \sqrt{\text{變異數}}\)。
重點總結
常態分佈由兩個要素定義：它的中心（平均數）和它的離散程度（標準差）。只要掌握這兩個數值，你就掌握了整個分佈！
2. 「經驗法則」（2/3、95%、99.8%）
即使沒有計算機，我們也能大致知道數據在常態分佈中的分佈情況。課程大綱要求你熟記以下這些特定的近似值：
- 在 1 個標準差範圍內 (\(\mu \pm \sigma\))： 大約 \(2/3\)（約 68%）的觀測值位於此處。
- 在 2 個標準差範圍內 (\(\mu \pm 2\sigma\))： 大約 95% 的觀測值位於此處。
- 在 3 個標準差範圍內 (\(\mu \pm 3\sigma\))： 大約 99.8% 的觀測值位於此處。
現實生活中的例子： 想像成年男性的身高。如果平均數是 175cm，標準差是 7cm，那麼 95% 的男性身高會落在 161cm (\(175 - 2 \times 7\)) 到 189cm (\(175 + 2 \times 7\)) 之間。要找到超出這 3 個標準差範圍的人是非常罕見的！
3. 計算機率與參數
在考試中，建議使用你的計算機功能，而不是查閱舊式的統計表。你通常需要用到兩個主要功能：
常態累積機率分佈（Normal CD）
當你已知數值（例如身高或體重）並想求出機率（曲線下的面積）時，請使用此功能。
反向常態分佈（Inverse Normal）
當你已知機率（例如「前 10%」）並想求出 x 軸上對應的數值時，請使用此功能。
你知道嗎？ 「標準常態分佈」是一種特殊版本，其平均數 \(\mu = 0\)，標準差 \(\sigma = 1\)。我們稱之為 \(Z\) 分佈。我們使用 \(Z = \frac{x - \mu}{\sigma}\) 這個公式將任何常態分佈的數值轉換為 \(Z\)-分數。這能告訴你該數值距離平均數有幾個標準差。
避免常見錯誤
在常態分佈中尋找 \(P(X < 5)\) 或 \(P(X \le 5)\) 時，它們完全一樣！ 因為這是一個連續分佈，數值「精確等於」 5.000000... 的機率為零。別讓「等於」符號像在二項分佈中那樣混淆你了。
4. 樣本平均數的分佈 (\(\bar{X}\))
這是一個稍微進階的概念，但邏輯非常清晰。如果我們選取 \(n\) 個項目並計算它們的平均值 (\(\bar{X}\))，這個平均值同樣會遵循常態分佈，但它會比原始母體分佈「更瘦」（分散程度更小）。
如果 \(X \sim N(\mu, \sigma^2)\)，那麼樣本平均數的分佈為：
\(\bar{X} \sim N\left(\mu, \frac{\sigma^2}{n}\right)\)
為什麼會這樣？ 想想看：某個個體可能非常高或非常矮。但如果你取 100 個人的樣本並算出他們的平均身高，它就極大機率會非常接近母體的平均數。極端值會互相抵消！
5. 使用常態分佈近似二項分佈
有時，如果試驗次數 (\(n\)) 非常大，處理二項分佈（計算成功次數）會變得太困難。在特定情況下，我們可以「走捷徑」，改用常態分佈來計算。
我們何時可以這樣做？（條件）
如果符合以下條件，你可以使用常態近似：
- \(n\) 很大（通常 \(n \ge 20\)）
- \(p\) 接近 0.5（對稱性）
- 或者更具體來說： \(np > 10\) 且 \(n(1-p) > 10\)。
連續性修正（Continuity Correction）
因為我們正從離散分佈（二項分佈：1, 2, 3...）過渡到連續分佈（常態分佈：1.1, 1.2...），我們必須將數值調整 0.5。這就是所謂的連續性修正。
怎麼做： 把每個整數想像成一個從數值下方 0.5 到上方 0.5 的「區塊」。
- 要包含 10：\(P(X \ge 10)\) 變為 \(P(Y > 9.5)\)。
- 要排除 10：\(P(X > 10)\) 變為 \(P(Y > 10.5)\)。
- 要包含 10 以內：\(P(X \le 10)\) 變為 \(P(Y < 10.5)\)。
剛開始覺得困難別擔心！ 只要畫一條簡單的數線即可。如果你想包含數字 10，你需要從 9.5 開始計算面積，以確保數字 10 的「區塊」被完全涵蓋。
重點總結
當用常態分佈近似二項分佈時，使用 \(\mu = np\) 和 \(\sigma^2 = np(1-p)\)，並永遠記得進行 +/- 0.5 的連續性修正！
總結檢查清單
- 你能列出鐘形曲線的特性嗎？
- 你是否熟記 2/3、95% 和 99.8% 的經驗法則？
- 你能使用計算機上的 Normal CD 功能來求出機率嗎？
- 在處理樣本平均數 (\(\bar{X}\)) 時，你是否記得將變異數除以 \(n\)？
- 在近似二項分佈時，你能正確應用連續性修正嗎？