正态分布

AP 统计学· 12 分钟阅读

1. 正态分布的核心特性★★☆☆☆⏱ 15 min

✓ 计算器

正态分布是统计学中应用最广泛的概率模型，它可以自然描述大量真实数据集，例如身高、考试分数和测量误差。所有正态分布都是对称、单峰、渐近的，即曲线永远不会与水平x轴相交。

📘 定义

正态分布

$X \sim N (μ, σ^{2})$

一种连续概率分布，曲线下总面积等于1，且均值、中位数和众数全部相等，位于钟形的中心位置。

📐 例题

标准化考试的分数服从正态分布，其中μ=500，σ=100。使用经验法则估算包含中间95%所有分数的区间范围。

1
步骤1：回忆正态数据的95%区间位于均值上下2个标准差的位置。
2
步骤2：计算下界： $μ - 2 σ = 500 - 2 * 100 = 300$
$300$
3
步骤3：计算上界： $μ + 2 σ = 500 + 2 * 100 = 700$
$700$
4
最终答案：中间95%的分数位于300到700之间。

✓ 快速检测

测试你对经验法则的理解：

正态分布中大于μ+2σ的数据占比是多少？
- 2.5%
- 5%
- 95%
- 16%
显示答案
2.5% —
由于95%的数据落在±2σ范围内，剩余的5%平均分配到上下两个尾部。

2. Z分数与标准正态标准化★★☆☆☆⏱ 12 min

✓ 计算器

Z分数可以将任意正态分布转换为N(0,1)标准正态分布，这样你就可以使用统一的概率表或计算器函数处理所有正态问题，无需为每一种可能的均值和标准差记忆单独的公式。

📘 定义

Z分数

原始观测值 $x$ 距离总体均值的标准差个数。

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

📐 例题

一名学生在上述标准化考试中取得720分（μ=500，σ=100），计算对应的z分数。

1
步骤1：识别已知值： $x = 720$ ， $μ = 500$ ， $σ = 100$
2
步骤2：代入z分数公式：
$z = \frac{720 - 500}{100} = 2.2$
3
最终答案：该学生的分数比均值高出2.2个标准差。

3. 使用正态CDF进行概率计算★★★☆☆⏱ 18 min

✓ 计算器

正态累积分布函数（CDF）返回正态曲线下指定x值左侧的总面积，该值等于随机观测值小于该x值的概率。你可以通过简单的算术运算扩展该功能，得到区间概率或上尾概率。

📐 例题

使用同一考试分布N(500, 100²)，求随机抽取的学生分数位于600到700之间的概率。

1
步骤1：明确P(600 < X < 700) = P(X < 700) - P(X < 600)
2
步骤2：使用正态CDF求P(X < 700)：即700左侧的面积，等于0.9772
3
步骤3：使用正态CDF求P(X < 600)：即600左侧的面积，等于0.8413
4
步骤4：相减得到区间概率：
$0.9772 - 0.8413 = 0.1359$
5
最终答案：约13.6%的学生分数位于600到700之间。

4. 使用逆正态求百分位临界值★★★☆☆⏱ 15 min

📊 仅图形计算器

逆正态是正态CDF的逆运算：你输入累积左侧面积、均值和标准差，它会返回对应百分位的原始x值。该方法用于求临界分数、误差范围，以及后续课程中假设检验的临界值。

📐 例题

对于N(500, 100²)的考试分布，求第90百分位分数，即90%的考生分数低于该值的临界值。

1
步骤1：确认已知累积左侧面积=0.9，μ=500，σ=100
2
步骤2：在图形计算器上运行逆正态函数，输入上述参数
3
步骤3：输出结果x≈628.16
4
最终答案：第90百分位的考试分数约为628。

5. 常见陷阱

错误做法:

将正态记号 $N (μ, σ^{2})$ 的第二个参数误认为是均值之后的标准差

原因:

这会导致你将完整的标准差数值当作方差使用，得到的z分数仅为正确值的一半

正确做法:

开始任何计算前，明确写出均值和标准差的数值，避免参数混淆

错误做法:

将正态模型应用于强偏态的离散数据

原因:

正态分布是对称连续的，偏态数据集使用正态分布得到的概率结果会严重失真

正确做法:

使用正态模型前务必确认数据近似对称，没有极端异常值

错误做法:

计算上尾概率时忘记用1减去左侧累积面积

原因:

默认的正态CDF函数返回左侧面积，未调整的上尾结果会大于0.5，完全错误

正确做法:

运行任何CDF计算前，先标注目标面积是左侧、右侧还是区间

错误做法:

将z分数四舍五入到1位小数

原因:

这会导致最终概率结果出现10-15%的误差，在AP自由作答题中失分

正确做法:

所有z分数至少保留2位小数，中间步骤最好保留3位小数

错误做法:

无依据地将样本标准差s当作总体σ使用

原因:

College Board评分标准会对未说明总体参数假设的情况扣除部分分数

正确做法:

在解答中明确说明你假设给定的标准差是真实总体值

6. 速查表

概念	公式/法则	AP考试适用场景
经验法则	68%落在μ的1σ范围内，95%落在2σ范围内，99.7%落在3σ范围内	快速估算选择题概率
Z分数	$z = \frac{x - μ}{σ}$	将原始值标准化为标准正态分布
正态CDF	$P (a < X < b) = P (X < b) - P (X < a)$	求正态变量落在两个数值之间的概率
逆正态	给定左侧面积p，求满足 $P (X < x) = p$ 的x	求指定概率对应的百分位临界值

真题中的出现

AI 根据考纲规律估算的考点位置,请对照官方真题核实准确性。仅作复习重点参考。

2025 · MCQ
正态概率计算
2024 · FRQ 2
考试分数的正态模型
2023 · MCQ
经验法则应用

下一步

熟练掌握正态分布是AP统计学最重要的基础技能，它支撑了超过50%的考试内容，包括抽样分布、置信区间和假设检验。你在这里学到的z分数逻辑将直接用于计算z检验的检验统计量，以及构造总体均值的置信区间。在继续学习之前，请确保你能可靠区分何时使用正态CDF、何时使用逆正态，这一区别是自由作答题中最常见的非必要失分点。接下来你可以将该知识扩展到直接基于正态分布特性的相关核心主题。