正态分布——自然界中最常见的概率模型
正态分布是连续型随机变量最重要的分布，常用于描述身高、考试成绩、测量误差等大量独立随机因素叠加的结果。本讲从生活实例出发，直观理解钟形曲线、均值μ和标准差σ的含义，掌握正态分布的性质、3σ原则以及标准化查表求概率的方法。
一、概念导入——身高分布的启示
同学们，如果你们学校随机抽取1000名男生测量身高，你会发现大多数人的身高集中在170cm左右，特别高（如190cm以上）和特别矮（如150cm以下）的人非常少。把身高分组并画出频率直方图，随着分组越来越细，柱子顶部会呈现出一条中间高、两边低、左右对称的“钟形”曲线——这就是正态分布曲线。
正态分布不仅存在于身高，还广泛出现在：
- 同一批产品的质量指标（如零件直径）
- 高考各科成绩（若试卷难度适中）
- 多次测量同一物理量的随机误差
为什么这么多现象都服从正态分布？中心极限定理告诉我们：大量独立同分布随机变量的和近似服从正态分布，无论单个变量的分布是什么。
二、正态分布的核心定义与符号
如果一个连续型随机变量 $X$ 的概率密度函数为
$$ f(x) = \frac{1}{\sqrt{2\pi}\sigma} e^{-\frac{(x-\mu)^2}{2\sigma^2}}, \quad -\infty < x < +\infty $$则称 $X$ 服从正态分布，记为 $X \sim N(\mu,\sigma^2)$。其中：
- $\mu$（均值）：决定曲线对称中心的位置，也是分布的中心和峰值点。
- $\sigma$（标准差）：决定曲线的“胖瘦”，$\sigma$ 越大曲线越矮胖，数据越分散；$\sigma$ 越小曲线越高瘦，数据越集中。
三、正态分布的重要性质
1. 对称性
曲线关于直线 $x = \mu$ 对称，即 $f(\mu + a) = f(\mu - a)$。
2. 峰值为 $\frac{1}{\sqrt{2\pi}\sigma}$
在 $x = \mu$ 处取得最大值，$\sigma$ 越小峰值越大。
3. 3σ 原则（经验法则）
对于正态分布 $X \sim N(\mu, \sigma^2)$，有：
- $P(\mu - \sigma < X < \mu + \sigma) \approx 68.27\%$
- $P(\mu - 2\sigma < X < \mu + 2\sigma) \approx 95.45\%$
- $P(\mu - 3\sigma < X < \mu + 3\sigma) \approx 99.73\%$
即数据几乎全部落在 $\mu \pm 3\sigma$ 范围内（超出部分仅占约0.27%），这在质量控制中非常重要。
四、标准正态分布与查表求概率
当 $\mu = 0, \sigma = 1$ 时，称为标准正态分布，记为 $Z \sim N(0,1)$。对于一般的正态分布 $X \sim N(\mu,\sigma^2)$，可以通过标准化变换转化为标准正态分布：
$$ Z = \frac{X - \mu}{\sigma} \sim N(0,1) $$然后利用标准正态分布表（或计算器）求出概率。标准正态分布的分布函数记为 $\Phi(z) = P(Z \leq z)$，表中通常给出 $\Phi(z)$ 的值。常见技巧：
- $P(Z > z) = 1 - \Phi(z)$
- $P(a < Z < b) = \Phi(b) - \Phi(a)$
- $\Phi(-z) = 1 - \Phi(z)$（利用对称性）
五、典型例题
例1（基础题） 某学校高二学生身高 $X$（单位：cm）服从正态分布 $N(170, 6^2)$。求身高在 $164\text{cm}$ 到 $176\text{cm}$ 之间的概率。
思路： 区间 $[164,176] = [\mu-\sigma, \mu+\sigma]$，直接利用3σ原则。
解： 由于 $\mu = 170$，$\sigma = 6$，$164 = 170 - 6$，$176 = 170 + 6$，所以
$$ P(164 < X < 176) = P(\mu-\sigma < X < \mu+\sigma) \approx 0.6827 $$即约有68.27%的学生身高在此范围内。
易错点： 不要把区间端点算错，注意 $\mu-\sigma$ 和 $\mu+\sigma$ 对应的是1倍标准差区间，不是2倍。
例2（查表题） 已知某次测验成绩 $X \sim N(75, 10^2)$，求成绩低于60分的概率。
思路： 先标准化，然后查标准正态分布表。
解： 标准化的 $Z = \frac{X - 75}{10}$，则
$$ P(X < 60) = P\left(Z < \frac{60-75}{10}\right) = P(Z < -1.5) $$由对称性，$P(Z < -1.5) = \Phi(-1.5) = 1 - \Phi(1.5)$。
查表（通常教材附录）得 $\Phi(1.5) \approx 0.9332$，所以
$$ P(X < 60) \approx 1 - 0.9332 = 0.0668 $$即低于60分的约占6.68%。
易错点： 查表时注意 $\Phi(z)$ 是 $P(Z \le z)$，不要混淆；标准化时分子是 $x-\mu$，分母是 $\sigma$，不要写反。
例3（综合题） 某厂生产的灯泡寿命 $X$（小时）服从 $N(8000, 200^2)$。厂家承诺：寿命低于7600小时包换。问：包换率是多少？若想让包换率降到1%以下，应把包换标准（最低寿命）提高到多少小时？
思路： 第一问直接标准化；第二问是已知概率反求分位数。
解： (1) 设 $Z = \frac{X-8000}{200}$，则
$$ P(X < 7600) = P\left(Z < \frac{7600-8000}{200}\right) = P(Z < -2) = \Phi(-2) = 1 - \Phi(2) $$查表 $\Phi(2) \approx 0.9772$，故 $P \approx 0.0228$，即包换率约为2.28%。
(2) 设新标准为 $x_0$ 小时，要求 $P(X < x_0) = 0.01$，即 $\Phi\left(\frac{x_0-8000}{200}\right) = 0.01$。
查表得 $\Phi(-2.33) \approx 0.01$（更精确的 $z_{0.01} = -2.326$），所以
$$ \frac{x_0-8000}{200} = -2.326 \Rightarrow x_0 = 8000 - 2.326 \times 200 = 8000 - 465.2 = 7534.8 $$即应将包换标准提高到约7535小时。
易错点： 反查分位数时记住左尾概率对应的z值为负；计算时注意负号。
六、常见误区
- 混淆正态分布参数： 有时题目给的是方差 $σ^2$，学生会误把方差当成标准差 $σ$ 代入。一定要看清符号！
- 标准化时写错符号： $Z = \frac{X-\mu}{\sigma}$，不能写成 $\frac{\mu-X}{\sigma}$ 或 $\frac{X-\sigma}{\mu}$。
- 3σ原则中的百分比记混： 68.27%、95.45%、99.73% 分别对应1、2、3倍标准差，可以用口诀“68-95-99.7”帮助记忆。
- 查表时忽略负值对称性： 要记住 $\Phi(-z)=1-\Phi(z)$，不要直接查负值。
七、学习建议
- 画图理解： 遇到任何正态分布问题，先画一条钟形曲线，标出$\mu$和关键区间，再匹配概率面积，错误率会大大降低。
- 熟记3σ区间： 考试中经常直接用到，如“求包含95%数据的区间”就是$\mu \pm 1.96\sigma$（精确值，近似2σ）。
- 多做标准化练习： 从一般正态到标准正态的转化是关键，多练手就能熟练掌握。
- 善用计算器或表： 高考允许使用计算器，学会用统计功能求正态概率。但查表方法也必须掌握，以应对不让用计算器的场合。
八、知识链接
- 与二项分布的联系： 当试验次数n很大时，二项分布$B(n,p)$可近似为正态分布$N(np, np(1-p))$，这是中心极限定理的特例。
- 与统计推断的关联： 在假设检验和置信区间中，正态分布是理论基础。例如，用样本均值推断总体均值时，常利用$\bar{X} \sim N(\mu, \frac{\sigma^2}{n})$（总体正态或大样本下）。
- 与标准正态分布表： 表也叫“Z表”，是概率统计工具书的核心内容，务必学会如何查找。
九、习题自测
- 若 $X \sim N(10, 2^2)$，求 $P(8 < X < 12)$ 的近似值（用3σ原则）。
- 某地年降雨量 $Y$（mm）服从 $N(800, 50^2)$，求年降雨量超过900mm的概率（保留三位小数）。（已知 $\Phi(2) = 0.9772$）
- 已知 $Z \sim N(0,1)$，求实数 $c$ 使得 $P(-c < Z < c) = 0.90$。（提示：利用 $\Phi(c) = 0.95$）
答案：
- $P(8
- $P(Y>900) = P\left(Z > \frac{900-800}{50}\right) = P(Z>2) = 1-0.9772 = 0.0228$
- $P(-c < Z < c) = 2\Phi(c)-1 = 0.90 \Rightarrow \Phi(c)=0.95$，查表得 $c \approx 1.645$。