【標準正態分布公式】標準正態分布是統計學中最為重要的概率分布之一，廣泛應用于數據分析、質量控制、假設檢驗等多個領域。它是一種特殊的正態分布，其均值為0，標準差為1。在實際應用中，許多非標準正態分布的數據都可以通過標準化轉換為標準正態分布，從而便于分析和比較。
一、標準正態分布的基本概念
標準正態分布（Standard Normal Distribution）是一種連續型概率分布，記作 $ N(0, 1) $，其中：
- 均值（μ）= 0
- 標準差（σ）= 1
其概率密度函數（PDF）為：
$$
f(x) = \frac{1}{\sqrt{2\pi}} e^{-\frac{x^2}{2}}
$$
該函數描述了隨機變量 $ X $ 在某一特定值附近出現的概率密度。
二、標準正態分布的性質
| 性質 | 描述 |
| 對稱性 | 關于 x = 0 對稱 |
| 峰值 | 在 x = 0 處達到最大值 |
| 面積 | 曲線下總面積為1，表示所有可能事件的概率總和為1 |
| 概率計算 | 可通過查標準正態分布表或使用統計軟件計算 |
三、標準正態分布的累積分布函數（CDF）
標準正態分布的累積分布函數（CDF）表示隨機變量 $ X $ 小于等于某個值 $ x $ 的概率，記作：
$$
\Phi(x) = P(X \leq x)
$$
由于該函數無法用初等函數表達，通常通過查表或數值計算得到。常見的概率值如下表所示：
| Z 值（x） | 累積概率 Φ(x) |
| -3.0 | 0.0013 |
| -2.0 | 0.0228 |
| -1.0 | 0.1587 |
| 0.0 | 0.5000 |
| 1.0 | 0.8413 |
| 2.0 | 0.9772 |
| 3.0 | 0.9987 |
四、應用與意義
標準正態分布在實際中具有重要意義，主要體現在以下幾個方面：
1. 數據標準化：將原始數據轉換為標準正態分布，便于不同數據集之間的比較。
2. 假設檢驗：在進行顯著性檢驗時，常利用標準正態分布來判斷結果是否具有統計意義。
3. 置信區間估計：根據標準正態分布的特性，可以構建總體參數的置信區間。
4. 概率計算：通過查表或軟件工具，快速計算任意區間的概率值。
五、總結
標準正態分布是統計學中的核心概念，其公式簡單但應用廣泛。理解其基本性質、概率計算方法及實際應用場景，有助于更好地進行數據分析和決策。掌握標準正態分布的相關知識，是提升統計素養的重要一步。
附錄：標準正態分布公式匯總
| 公式名稱 | 公式表達 |
| 概率密度函數（PDF） | $ f(x) = \frac{1}{\sqrt{2\pi}} e^{-\frac{x^2}{2}} $ |
| 累積分布函數（CDF） | $ \Phi(x) = \int_{-\infty}^{x} \frac{1}{\sqrt{2\pi}} e^{-\frac{t^2}{2}} dt $ |
