正态分布
正态分布是概率统计中最重要的连续分布之一，描述了大量自然和社会现象中“中间多、两头少”的分布规律。本节课从实际例子引入，详细讲解正态曲线的特征、参数μ和σ的含义、标准正态分布以及3σ原则，并通过典型例题和图形直观展示概率计算。
一、概念导入：为什么是“钟形曲线”？
我们都经历过考试：一个班几十个人，成绩通常是大部分人在中间（70~80分），极少有人得满分或零分。把人数按分数段画成直方图，就会出现一个中间高、两边低、左右大致对称的“钟形”轮廓。类似的现象还有人的身高、测量误差、同种产品的质量特征……这种分布被数学家发现并提炼为正态分布（Normal Distribution），也叫高斯分布。
正态分布之所以“正”，是因为它在自然界和人类活动中出现的频率实在太高了，堪称分布中的“标准模型”。
二、核心讲解：正态分布怎么刻画？
1. 概率密度函数（PDF）
对于连续型随机变量 $X$，如果它的概率密度函数为
$$ f(x) = \frac{1}{\sigma\sqrt{2\pi}} e^{-\frac{(x-\mu)^2}{2\sigma^2}}, \quad -\infty < x < +\infty $$则称 $X$ 服从参数为 $\mu$（均值）和 $\sigma^2$（方差）的正态分布，记作 $X \sim N(\mu, \sigma^2)$。
- $\mu$：决定曲线的中心位置（对称轴）；
- $\sigma$：决定曲线的“胖瘦”——$\sigma$ 越大曲线越矮胖（数据分散），$\sigma$ 越小曲线越高瘦（数据集中）。
2. 正态曲线的特点
- 单峰对称：曲线关于 $x=\mu$ 对称；
- 在 $x=\mu$ 处达到最大值 $f(\mu) = \frac{1}{\sigma\sqrt{2\pi}}$；
- 曲线与 $x$ 轴围成的总面积为 1；
- 拐点（凹凸性改变）在 $x = \mu \pm \sigma$ 处。
3. 标准正态分布
当 $\mu=0,\ \sigma=1$ 时，称为标准正态分布，记作 $N(0,1)$，其密度函数为 $\varphi(z) = \frac{1}{\sqrt{2\pi}} e^{-z^2/2}$。任意正态分布都可以通过标准化转化为标准正态：
$$ Z = \frac{X-\mu}{\sigma} $$于是 $P(X < x) = P\left(Z < \frac{x-\mu}{\sigma}\right)$，通过查标准正态分布表（或计算器）就可得到概率。
4. 3σ 原则（经验法则）
- 约 68.27% 的数据落在 ($\mu-\sigma,\ \mu+\sigma$) 内；
- 约 95.45% 的数据落在 ($\mu-2\sigma,\ \mu+2\sigma$) 内；
- 约 99.73% 的数据落在 ($\mu-3\sigma,\ \mu+3\sigma$) 内。
这个法则在质量控制和数据分析中非常常用：超出 3σ 的事件通常被认为“几乎不可能发生”。
三、典型例题
例1（基础计算）
某次考试的成绩近似服从正态分布 $N(70, 10^2)$，求：
(1) P(X < 60)； (2) P(60 < X < 80)。
思路：标准化转化为标准正态后查表或利用3σ原则近似。
(1) $Z = \frac{60-70}{10} = -1$。查标准正态分布表得 $\Phi(-1) = 0.1587$（或利用对称性 $\Phi(-1)=1-\Phi(1)\approx 0.1587$）。所以 $P(X<60)≈0.1587$。
(2) 标准化：$60\rightarrow -1$, $80\rightarrow 1$。$P(-1 易错点：注意标准化公式中分子的顺序，以及负分查表要利用对称性；不要忘记面积总为1，区间概率等于右侧减去左侧。
例2（应用3σ原则）
某工厂生产的零件长度服从 $N(50, 0.2^2)$（单位mm）。
(1) 若规格要求为 $50±0.4$ mm，求不合格率；
(2) 若要保证不合格率不超过1%，应控制标准差 $\sigma$ 最大为多少？
(1) 公差界限 $50±0.4=50±2×0.2$，即界限为 $\mu \pm 2\sigma$。根据3σ原则，$P(\mu-2\sigma (2) 不合格率不超过1%意味着合格率不低于99%，对应约 $\mu \pm 2.58\sigma$（标准正态的0.005分位数约为2.58）。所以 $$0.4 = 2.58\sigma \Rightarrow \sigma \approx 0.155\text{ mm}$$即标准差最大约为0.155mm。 易错点：3σ原则的数值是近似值，精确计算需查表；反求参数时要看清是单侧还是双侧。
例3（标准化反求）
已知 $X\sim N(100, 15^2)$，求 $a$ 使得 $P(X > a) = 0.05$。
$P(X>a)=0.05$ 等价于 $P(X\le a)=0.95$。标准化：$P(Z \le \frac{a-100}{15}) = 0.95$。查表得 $\Phi(1.645)≈0.95$，所以 $\frac{a-100}{15}=1.645$，解得 $a=100+1.645×15≈124.675$。
易错点：注意“大于”要转化为“小于等于”再查表，分位数符号不要弄反。
四、常见误区
- 误认为概率密度就是概率： $f(x)$ 不是概率，曲线下 $x$ 附近一段区域的面积才是概率。单点的概率为0。
- 对称性记反： $\Phi(-z)=1-\Phi(z)$，而不是 $\Phi(-z)=\Phi(z)$。
- 直接比较不同分布的概率： 必须先标准化，不能直接用原始数值查同一个表。
- 忽略3σ原则的精确度： 68-95-99.7是近似值，精确计算应查表或用计算器。
五、学习建议
- 画图理解：多画正态曲线，标出μ、σ以及不同区间对应的面积，建立直观感受。
- 熟练标准化：将任意$N(μ,σ^2)$转化为$N(0,1)$是解决问题的万能钥匙。
- 巧用对称性：遇到负z值时用$\Phi(-z)=1-\Phi(z)$快速转换。
- 区分概率与累积概率：$P(Z
六、知识链接
- 二项分布与正态近似：当二项分布试验次数$n$较大时，可用正态分布$N(np, np(1-p))$近似计算概率（注意连续性修正）。
- 中心极限定理：大量独立同分布随机变量之和（或均值）的分布近似正态，这是正态分布如此普遍的根本原因。
- 线性变换：若$X\sim N(μ,σ^2)$，则$aX+b\sim N(aμ+b, a^2σ^2)$。
七、习题自测
- 某校学生身高$X\sim N(165, 8^2)$（单位cm），求 (1) $P(X>173)$；(2) $P(157
- 已知$Z\sim N(0,1)$，求$P(|Z|>2.5)$。
- 一种电子元件的寿命（小时）服从$N(5000, 400^2)$，工厂规定保修期为4500小时以内。求 (1) 元件在保修期内损坏的概率；(2) 若要使得损坏率不超过2%，保修期应设定为多少小时？
参考答案：
1. (1) $\Phi(1)=0.8413$，$P>173=1-0.8413=0.1587$；(2) $P(157
3. (1) $Z=(4500-5000)/400=-1.25$，$\Phi(-1.25)=0.1056$，概率约10.56%；(2) 设保修期为$t$，$P(X