1樓：匿名使用者
實際這就是一個座標系的轉換。在一般形式的正態分佈中，變數是x，是取樣的具體資料，所求值要麼是具體的該資料下的資料量，要麼是此資料量在總資料量中所佔的百分比，（當首項分母為1時）；而在標準正態分佈中，變數是取樣的具體資料與總體均值的差值並且用標差為單位顯示出來（比上標差σ），所求值也變成了與總體均值有某個差值的資料（以σ為單位表示出來）佔總資料量的百分比（或概率），實際上就是總資料按σ分佈的情況了，而這裡的σ也沒了具體的值了，只是一個分佈單位，體現的是一個具體分佈所具有的資料結構。感覺從一般正態分佈公式「提煉」出標準正態分佈，就象給一個具體資料系統提練出了一個「係數」一般，只不過這個係數能比一般的係數體現出的內容，能體現出一個資料系統的特有的資料分佈情形。
正態分佈和標準正態分佈的聯絡及區別？
2樓：若比鄰
正態分佈是常態分佈或常態分配，是連續隨機變數概率分佈的一種，自然界、人類社會、心理和教育中大量現象均按正態形式分佈，例如能力的高低，學生成績的好壞等都屬於正態分佈。
正態分佈的特點是：
(1). 正態分佈的形式是對稱的，對稱軸是經過平均數點的垂線。
(2). **點最高，然後逐漸向兩側下降，曲線的形式是先向內彎，再向外彎。
(3). 曲線下的面積為1。
標準正態分佈是正態分佈的一種，平均數為0，標準差為1。
區別：正態分佈是一族分佈，它隨隨機變數的平均數、標準差的大小與單位不同而有不同的分佈形態。標準正態分佈的平均數和標準差都是固定的。
聯絡：標準正態分佈是正態分佈的一種，具有正態分佈的所有特徵。所有正態分佈都可以通過z分數公式轉換成標準正態分佈。
3樓：匿名使用者
今天剛考了，呵呵，標準正態分佈的平均值為0，方差為1，服從u（0，1）分佈。
t分佈與正態分佈的有什麼不同
4樓：亓華燦敏獻
首先提一下正態分佈和卡方分佈的關係，如果一個隨機變數是若干服從標準正態分佈的變數的平方和構成，該變數服從卡方分佈。如果一個隨機變數是由一個服從正態分佈的隨機變數除以一個服從卡方分佈的變數組成的，則該變數服從t分佈，t分佈是正態分佈的小樣本形態，（也就是如果某變數服從正態分佈，當樣本容量小於30或小於50時，該變數呈t分佈）f分佈是由兩個服從卡方分佈的隨機變數之比構成的，t分佈的平方,就是分子自由度為1的f分佈
5樓：帥帥帥的陳
t分佈在n比較少的時候是屬於較扁平的狀態，當n越來越大的時候，t分佈將會越接近正態分佈。
6樓：匿名使用者
1、正態分佈是與自由度無關的一條曲線； t分佈是依自由度而變的一組曲線。
2、t分佈較正態分佈頂部略低而尾部稍高。
t分佈曲線形態與n（確切地說與自由度v）大小有關。與標準正態分佈曲線相比，自由度v越小，t分佈曲線愈平坦，曲線中間愈低，曲線雙側尾部翹得愈高；自由度v愈大，t分佈曲線愈接近正態分佈曲線，當自由度v=∞時，t分佈曲線為標準正態分佈曲線。
正態分佈（normal distribution）又名高斯分佈（gaussian distribution），是一個在數學、物理及工程等領域都非常重要的概率分佈，在統計學的許多方面有著重大的影響力。若隨機變數x服從一個數學期望為μ、方差為σ^2的高斯分佈，記為n(μ，σ^2)。其概率密度函式為正態分佈的期望值μ決定了其位置，其標準差σ決定了分佈的幅度。
因其曲線呈鐘形，因此人們又經常稱之為鐘形曲線。我們通常所說的標準正態分佈是μ = 0,σ = 1的正態分佈。
7樓：懂點潤滑油
t分佈是正態分佈的近似。
t分佈的變數都符合正態分佈，但我們不知道真值μ，不知道偏差σ，此時用t分佈
當我們知道真值μ和偏差σ，或知其一時，就用正態分佈公式。
除了正態分佈，還有什麼別的分佈,正態分佈與瑞利分佈有什麼區別
多了去了，比較典型的有 泊松分佈，卡方分佈，指數分佈，均勻分佈，伽馬分佈，二項分佈等等 1常用離散型分佈 二項分佈，泊松分佈，幾何分佈，負二項分佈，單點分佈，對數分佈，超幾何分佈，2常用連續型分佈 均勻分佈，正態分佈，瑞利分佈，指數分佈，貝塔分佈，伽馬分佈，對數正態分佈，2分佈，t分佈，f分佈，威布...
正態分佈標準差是還是的平方,正態分佈和哪個是標準差
甚麼分佈的標準差都可以用 表示 方差可用 表示，跟分佈沒關係。隨機變數x服從均值為 方差為 的正態分佈，通常表示成 x n 標準差是 方差是 的平方 那個 是平均數 其實這些知識複習資料上都有，不過我強烈推薦5 3你懂得 正態分佈 和 哪個是標準差 我看不出你這兩個 有什麼不同。在統計中，確實有兩個...
標準正態分佈密度函式公式，二維正態分佈概率密度公式是什麼？
標準正態分佈密度函式公式 62616964757a686964616fe58685e5aeb931333366306532 正態曲線呈鍾型，兩頭低，中間高，左右對稱因其曲線呈鐘形，因此人們又經常稱之為鐘形曲線。若隨機變數x服從一個數學期望為 方差為 2的正態分佈，記為n 2 其概率密度函式為正態分佈...