正态分布 — AP 统计学

1. 什么是正态分布？ ★★☆☆☆ ⏱ 3 min

正态分布（也称为高斯分布或钟形曲线）是统计学中定量单变量数据最常用的连续概率分布。它完全由两个参数定义：其均值$\mu$（中心位置）和标准差$\sigma$（离散程度）。

本知识点占AP考试总分的4-6%，会出现在选择题（MCQ）和自由作答题（FRQ）中，是AP统计学课程后续几乎所有单元的基础概念。许多自然存在的定量变量都近似服从正态分布。

2. 经验法则（68-95-99.7法则） ★★☆☆☆ ⏱ 3 min

经验法则是对正态分布中落在均值1、2或3个标准差范围内的观测值比例的快速近似方法。它仅适用于近似正态分布，对于区间边界正好距离均值k个标准差的题目是最快的解法。

• 约68%的所有观测值落在$\mu \pm 1\sigma$范围内
• 约95%的所有观测值落在$\mu \pm 2\sigma$范围内
• 约99.7%的所有观测值落在$\mu \pm 3\sigma$范围内

由于正态分布是对称的，所有落在以均值为中心的区间外的观测值比例会平均分配到左右两个尾端。这让你无需z表或计算器就能快速计算单尾比例。

Exam tip: 在AP选择题中，如果区间边界正好距离均值1、2或3个标准差，使用经验法则总是比计算器函数更快，并且能得到题目要求的精确答案。

3. z分数与标准正态分布 ★★★☆☆ ⏱ 3 min

标准正态分布是一种特殊的正态分布，均值$\mu = 0$，标准差$\sigma = 1$，记为$N(0,1)$。为了对任意正态分布使用统一的概率值，我们将来自$N(\mu, \sigma)$的任意观测值$x$标准化为z分数，z分数衡量了$x$距离均值有多少个标准差，以及方向。

z = \frac{x - \mu}{\sigma}

z分数为正表示$x$在均值上方，z分数为负表示$x$在均值下方，z分数为0表示$x$等于均值。标准化让你可以比较来自不同正态分布、不同单位和尺度的观测值（例如比较SAT分数和ACT分数）。

Exam tip: 在自由作答题中解释z分数时，一定要包含三个关键部分才能得满分：观测值、距离均值的标准差个数、方向（上方/下方）；遗漏任何一项都会失分。

4. 正态概率与逆正态计算 ★★★☆☆ ⏱ 3 min

对于任意正态分布，我们可以计算落在任意区间内的观测值比例（即正态概率计算），或找到对应给定百分位数的观测值（称为逆正态计算）。曲线在给定$x$左侧的累积面积等于小于$x$的观测值比例。对于$x_1$和$x_2$之间的区间，比例等于$x_2$左侧的累积面积减去$x_1$左侧的累积面积。对于大于$x$的比例，用1减去$x$左侧的累积面积即可。

在AP考试中，你可以直接使用计算器内置的`normalcdf`（计算概率）和`invNorm`（逆正态计算），输入$\mu$和$\sigma$即可，因此不需要手动标准化。但在自由作答题中，你必须清晰标注分布和你要计算的概率才能得满分。

Exam tip: 在自由作答题中被要求计算概率时，给出最终答案前一定要写下分布（例如$N(3.2, 0.8)$）和你要计算的内容；即使你在计算器中输入了错误数字，这也能让你得到方法分。

5. 正态性评估 ★★★★☆ ⏱ 2 min

判断给定数据集是否近似正态是AP统计学的一项核心技能，也是课程后续大多数推断过程的要求。AP考试会考查两种常用的正态性评估方法：

1. **经验法则检验：** 计算落在均值1、2、3个标准差范围内的观测值比例。如果比例分别接近68%、95%和99.7%，则数据近似正态。
2. **正态概率图（Q-Q图）：** 将观测数据值与数据完全正态时的预期值进行比较的图。如果点近似落在一条直线上，则数据近似正态。曲率表示非正态：向上弯曲（右端在直线上方弯曲）表示右偏，向下弯曲表示左偏。

AP考试几乎总是要求解释给定的正态概率图，而不是让你从零开始绘制。

Exam tip: 如果题目问"是否可以合理假设该分布近似正态？"，你必须引用经验法则检验或正态概率图，不能只说它是对称单峰的——仅靠形状不足以证明。