正态分布函数公式

正态分布函数（Normal Distribution Function）是概率论和统计学中最重要的分布之一，通常用在描述随机变量的分布情况。它的数学表达式如下：

正态分布的概率密度函数（PDF）

$$ f(x) = \frac{1}{\sigma \sqrt{2\pi}} \exp\left( -\frac{(x - \mu)^2}{2\sigma^2} \right) $$

其中：

• $ \mu $：均值（Mean），表示分布的中心位置；
• $ \sigma $：标准差（Standard Deviation），表示分布的离散程度；
• $ \pi \approx 3.14159 $，$ \sqrt{2\pi} \approx 2.5066 $；
• $ \exp(x) $ 是自然指数函数（$ e^x $）。

正态分布的累积分布函数（CDF）

$$ P(X \leq x) = \int_{-\infty}^{x} \frac{1}{\sigma \sqrt{2\pi}} \exp\left( -\frac{(t - \mu)^2}{2\sigma^2} \right) dt $$

其中 $ X $ 是服从正态分布的随机变量。

简写形式（标准正态分布）

当 $ \mu = 0 $ 且 $ \sigma = 1 $ 时，称为 标准正态分布，其概率密度函数为：

$$ f(x) = \frac{1}{\sqrt{2\pi}} \exp\left( -\frac{x^2}{2} \right) $$

对应的累积分布函数为：

$$ \Phi(x) = \int_{-\infty}^{x} \frac{1}{\sqrt{2\pi}} \exp\left( -\frac{t^2}{2} \right) dt $$

常见参数

性质

1. 对称性：关于 $ x = \mu $ 对称；
2. 钟形曲线：曲线呈钟形，峰值在 $ x = \mu $ 处；
3. 概率密度：在 $ x = \mu $ 处最大，随着偏离均值的距离增加，密度逐渐减小；
4. 概率加法：在正态分布中，可以使用标准正态分布表（Z-table）进行概率计算。

应用

• 统计学中的数据分布；
• 误差分析；
• 质量控制（如六西格玛）；
• 金融中的风险模型；
• 生物学中的基因表达分布等。

如需计算具体概率或统计量（如均值、标准差、置信区间等），可以告诉我具体问题，我可以帮你计算。