正态分布

这不是在证明服从正态分布, 而是在用正态分布近似二项分布, 看看书吧, 可以直接参考中心极限定理

标准正态分布是统计学中的一种常见的概率分布，也称为高斯分布或钟形曲线。它具有以下特征：1. 均值为0：标准正态分布的均值（μ）为0，曲线对称地分布在均值的两侧。2. 标准差为1：标准正态分布的标准差（σ）为1，决定曲线的宽度和离散程度。3. 形成钟形曲线：标准正态分布的概率密度函数呈现出钟形曲线的形状，两侧渐进于水平轴，且面积等于1。4. 累积分布为标准化：标准正态分布的累积分布函数可以通过标准化将其转换为标准正态分布表（Z-分数表）来查找对应的概率值。标准正态分布在概率和统计分析中具有广泛的应用。由于其对各种随机变量的近似性质，它经常被用于建模和分析连续变量，例如测量误差、身高、体重等。同时，它也是多个统计推断和假设检验方法的基础，如z检验和t检验等。

1、创建一个列数据表，以便每个数据集都在一个Y列中。2、单击Analyze，查看Columnanalyses列表，然后选择正态性分布，便可查看正态分布prism9。

正态分布

分布的正太性检验：x为你要检验的数据。load xhistfit(x);normplot(x);从这两个图中可以看出是否近似服从正太分布。然后估计参数：[muhat,sigmahat,muci,sigmaci]=normfit(x);muhat , sigmahat,muci,sigmaci 分别表示均值、方差、均值的0.95置信区间、方差0.95置信区间。现在可以用t检验法对其进行检验：现在在方差未知的情况下，检验均值是否为mahat；[h,sig,ci]=ttest(x,muhat);其中h为布尔变量，h=0表示不拒绝零假设，说明均值为mahat的假设合理。若h=1则相反；ci表示0.95的置信区间。sig若比0.5大则不能拒绝零假设，否则相反。希望对你有帮助！

∵ξ～N（μ，σ 2 ），P（ξ≥2）=0.8，P（ξ≥6）=0.2，∴P（ξ＜2）=0.2，显然P（ξ＜2）=P（ξ≥6）…由正态分布密度函数的对称性可知，μ=4，即每支这种灯管的平均使用寿命是4年；∴在4年内一个摄像头都能正常工作的概率 12 ，则在4年内这两个摄像头都能正常工作的概率为12 × 12 = 14 。故答案为：14。扩展资料：概率的概型：古典概型古典概型讨论的对象局限于随机试验所有可能结果为有限个等可能的情形，即基本空间由有限个元素或基本事件组成，其个数记为n，每个基本事件发生的可能性是相同的。若事件A包含m个基本事件，则定义事件A发生的概率为p（A）=m/n，也就是事件A发生的概率等于事件A所包含的基本事件个数除以基本空间的基本事件的总个数，这是P.-S.拉普拉斯的古典概型定义，或称之为概率的古典定义。历史上古典概型是由研究诸如掷骰子一类赌博游戏中的问题引起的。计算古典概型，可以用穷举法列出所有基本事件，再数清一个事件所含的基本事件个数相除，即借助组合计算可以简化计算过程。几何概型几何概型若随机试验中的基本事件有无穷多个，且每个基本事件发生是等可能的，这时就不能使用古典概型，于是产生了几何概型。几何概型的基本思想是把事件与几何区域对应，利用几何区域的度量来计算事件发生的概率，布丰投针问题是应用几何概型的一个典型例子。设某一事件A（也是S中的某一区域），S包含A，它的量度大小为μ(A)，若以P(A)表示事件A发生的概率，考虑到“均匀分布”性，事件A发生的概率取为：P(A)=μ(A)/μ(S)，这样计算的概率称为几何概型。若Φ是不可能事件，即Φ为Ω中的空的区域，其量度大小为0，故其概率P(Φ)=0。

normalization是标准化，表示的是r/||r||=（r1/||r||,r2/||r||,……,rn/||r||）可以验证||r/||r||||=根号（（r1/||r||）^2+(r2/||r||)^2+……+(rn/||r||)^2）=1，所以标准化后的r，实际上是在n维空间球面上的点。因为这些点是随机的（r随机产生），所以在n球面上任何点处出现的概率相同，故而随机变量r服从n维空间上的均匀分布

综述：要理解两个独立的正态随机变量X, Y相减的实际意义 首先要清楚，这两个随机变量是要定义在同一个样本空间上的。把你这个问题，更宽泛地表达，两个随机变量的和代表什么意思？假设随机变量X、Y服从任意分布，不仅是正态分布。令Z=X+Y。概率密度函数：f(z)=p(Z<=z)，这个可以看作是随机变量和的意义了，至于x+y的实际意义可以根据随机变量的意义来决定。最简单的比如说扔骰子的例子，我一次扔色子得到的点数为随机变量X，第二扔得到的点数为Y,那么x+y就代表我前2次扔骰子所得到的点数，当然这里X，Y不服从正态分布，原谅我没有创意的例子，只想到了教科书中重复N次的扔色子的例子。正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。若随机变量X服从一个数学期望为μ、方差为σ2的正态分布，记为N(μ，σ2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布是标准正态分布。

就像人类的身高一样高矮不同..

置信水平为95%=1-a,1-a/2=0.975F(1.96)=0.975

怎么不给一点分.

简单点说，大部分参数检验，比如t检验，方差分析，回归分析等，要求数据符合正态分布。因为这些检验的计算公式和参数都是基于正态分布得到的。

正态分布（Normal distribution），也称“常态分布”，又名高斯分布（Gaussian distribution），最早由A.棣莫弗在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，记为N(μ，σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布是标准正态分布。

对称。

正态分布的最高点数叫平均数点，它最高，然后逐渐向两侧下降，曲线的形式是先向内弯，然后向外弯，拐点位于正负 1个标准差处，曲线两端向靠近基线处无限延伸，但终不能与基线相交正态分布（Normal distribution）又名高斯分布（Gaussian distribution），是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。若随机变量服从一个位置参数、尺度参数的概率分布，记为：则其概率密度函数为正态分布的数学期望值或期望值等于位置参数，决定了分布的位置；其方差的开平方或标准差等于尺度参数，决定了分布的幅度。正态分布的概率密度函数曲线呈钟形，因此人们又经常称之为钟形曲线。我们通常所说的标准正态分布是位置参数为0, 尺度参数为1的正态分布（见右图中绿色曲线）。

正态分布加减还是正态分布？这是一个高等数学的问题，有一定的难度

X服从正态分布N（3000,1000）所以有：EX=3000，DX=1000又E(X^2)=(EX)^2+DX即E(X^2)=3000^2+1000

二项分布是离散分布，而正态分布是连续分布，当二项分布的n值趋向于无穷大时，二项分布近似可以看成正态分布。正态分布的图像是一个钟形曲线，而二项分布的图像为直方图，直方图的顶端可以近似连接成为一条钟形曲线。

我也不知道，我检验结果一般都是峰度符合，偏度不符合。偏度的平方<24/n峰度的平方<2×24/n是不是这样的？

虽然我很聪明，但这么说真的难到我了

高斯分布，也称正态分布，又称常态分布。 对于随机变量X，其概率密度函数如图所示。 称其分布为高斯分布或正态分布，记为N（μ，σ2），其中为分布的参数，分别为高斯分布的期望和方差。 当有确定值时，p(x)也就确定了，特别当μ=0，σ2=1时，X的分布为标准正态分布。 μ正态分布最早由棣莫佛于1730年在求二项分布的渐近公式时得到；后拉普拉斯于1812年研究极限定理时也被引入；高斯（Gauss）则于1809年在研究误差理论时也导出了它。 高斯分布的函数图象是一条位于x轴上方呈钟形的曲线，称为高斯分布曲线，简称高斯曲线。 1809年，高斯(Carl Friedrich Gauss，1777—1855)发表了其数学和天体力学的名著《绕日天体运动的理论》。 在此书末尾，他写了一节有关“数据结合”（data bination）的问题，实际涉及的就是这个误差分布的确定问题。 他的做法与拉普拉斯相同。 但在往下进行时，他提出了两个创新的想法。 一是他不采取贝叶斯式的推理方式，测量误差是由诸多因素形成，每种因素影响都不大。 按中心极限定理，其分布近似于正态分布是势所必然。 其实，早在1780年左右，拉普拉斯就推广了狄莫佛的结果，得到了中心极限定理的比较一般的形式。 可惜的是，他未能把这一成果用到确定误差分布的问题上来。 高斯的第二点创新的想法是：他把问题倒过来，先承认算术平均是应取的估计，然后去找误差密度函数条件下才能成立，这就是正态分布。 一种概率分布。 正态分布是具有两个参数μ和σ2的连续型随机变量的分布，第一参数μ是遵从正态分布的随机变量的均值，第二个参数σ2是此随机变量的方差，所以正态分布记作N(μ，σ2 )。 遵从正态分布的随机变量的概率规律为取μ邻近的值的概率大，而取离μ越远的值的概率越小；σ越小，分布越集中在μ附近，σ越大，分布越分散。 正态分布的密度函数的特点是：关于μ对称，在μ处达到最大值，在正（负）无穷远处取值为0，在μ±σ处有拐点。 它的形状是中间高两边低，图像是一条位于x轴上方的钟形曲线。 当μ＝0，σ2＝1时，称为标准正态分布，记为N（0，1）。 μ维随机向量具有类似的概率规律时，称此随机向量遵从多维正态分布。 多元正态分布有很好的性质，例如，多元正态分布的边缘分布仍为正态分布，它经任何线性变换得到的随机向量仍为多维正态分布，特别它的线性组合为一元正态分布。 正态分布最早由A.棣莫弗在求二项分布的渐近公式中得到。 C.F.高斯在研究测量误差时从另一个角度导出了它。 P.S.拉普拉斯和高斯研究了它的性质。 高斯这项工作对后世的影响极大，他使正态分布同时有了“高斯分布”的名称，后世之所以多将最小二乘法的发明权归之于他，也是出于这一工作。 高斯是一个伟大的数学家，重要的贡献不胜枚举。 但现今德国10马克的印有高斯头像的钞票，其上还印有正态分布的密度曲线。 这传达了一种想法：在高斯的一切科学贡献中，其对人类文明影响最大者，就是这一项。

正态分布怎么相除呢？好歹要给个数组吧，而且符合正态性分布的数据相除不一定符合分布特性吧

正态分布（也称为高斯分布）的概率密度函数（Probability Density Function，简称 PDF）是一个常见的统计分布函数，通常用来描述连续型随机变量的分布情况。对于正态分布，其概率密度函数的数学表达式为：f(x) = (1 / (σ * √(2π))) * e^(-(x-μ)^2 / (2σ^2))其中，f(x) 表示随机变量 X 的概率密度函数，x 是实数，μ 是正态分布的均值（期望值），σ 是正态分布的标准差，π 是圆周率（约等于3.14159），e 是自然对数的底数（约等于2.71828）。这个概率密度函数描述了正态分布曲线的形状。正态分布是一个钟形曲线，以均值 μ 为中心，标准差 σ 决定了曲线的宽窄程度。σ 越大，曲线越宽，分布越分散；σ 越小，曲线越窄，分布越集中。正态分布在自然界和许多实际问题中都有广泛应用，它是统计学中最重要和最常用的分布之一。

在平均数左右一个标准差范围的概率为68%，两个标准差范围的概率为95%,三个标准差范围的概率为99%

0.8413怎么求得的？

对的高斯分布就是正态分布.其信号特点可以用高斯分布的统计特征刻画,比如期望,方差,偏度,峰度等.

正态分布，一般都只会讲公式，怎么证明的就不提了。我遇到这家伙有两个地方：一个是高中数学课上；一个是本科《误差理论和测量平差》课上。找点资料，想自己推到一下如何得到高斯正态分布的公式。 正态分布（Normal distribution），也称“常态分布”，又名高斯分布（Gaussian Distribution）。我习惯合起来叫 高斯正态分布 。（刚好和Linux Distribution： linux发行版 的英文单词一样） 期望（平均数）：μ 标准差 ， 方差 为。 当 和 时候称为： 标准正态分布 。 matlab绘制正态分布概率密度函数图像的命令为normpdf，normpdf函数的调用格式为normpdf(x,mu,sigma),其中mu为0，sigma为1时，为标准正态分布。 在高斯分布中有三个数学符号，先来解释这个三个数学符号的含义，然后再说明这个公式的推导思路和推导方法。 三个符号 在数学上分别叫做平均值（又称数学期望），标准差，自然数。即： 平均值（又称数学期望）： 标准差: 自然数: 对于数据: 平均数： 语言解释： 平均数 就是所有数加起来的和除以数据个数n。 数学的含义是：数据中间位置的具体数值。 详细说明方差方差和标准差之前，先复习一下关于 勾股定理 （在西方又称 毕达哥拉斯定理 ）和 平面两点间距离公式 。 在直角三角形中，对于边长a，b，c有如下关系： 即 在平面坐标系x-o-y下对任意两点 间的距离D有: 通过勾股定理和平面两点间距离公式可以看出，型如 表示的含义为两个之间的距离。数值越小，证明两个之间越近。 一组数据，平均数是这个数据的中心，那么就可以用其他数据到平均数的距离来衡量数据和平均数的远近关系。即这组数据是聚拢一些呢，还是分散一些呢。 方差 因为距离D是需要开方的，所以 方差的含义是距离的平方 。对开方后的方差称为标准差 。 假设有两组数据： 说明两组数据的中间值数值一样，且都为零。平均值可以谅解为此数组中的中心位置。 即 说明： A组数据之间的距离较小，数据较聚拢； B组数据之间的距离较大，数据较分散； 从 欧拉公式看出，把字母e定义成自然数，和欧拉是有直接关系的。倒不太相信百科里说的 欧拉选这个字母的原因，不太可能是因为这是他自己名字Euler的首字母，因为他是个很谦虚的人，总是恰当地肯定他人的工作。 其实从这个公式还是不太能看出来e=2.71828，一开始谁会想到这个式子就极限就是自然数e呢。 但我们可以从对数和指数的关系来联系e是怎么来的。 利用对数运算性质中的化平方为相乘的特性，我们知道自然数在对数运算中是最常用的底数。 对于对数运算： 对于指数求导 那么如果 就好了，a等于多少，才会使得 呢？ 恰巧a等于自然数e的时候，lne=1. 于是，可以将a=e带入指数求导公式： 对函数求导后依旧是其本身，这是一个很好的性质。 е主要出现在涉及增长的地方，比如说经济增长、人口增长、放射性衰变等，可以说е代表了自然率之美。 比如某个市人口为120万人，每年的人口增长率为20%: 一年后人口：100万+100万x20%=100万（1+20%）=120万 两年后人口：120万+120万x20%=120万（1+20%）=100万（1+20%）（1+20%）= 三年后人口：= 四年后人口：= X年后人口：= 当人口增长率不可能一直保持20%，因为生存空间有限，增长率应该是随着时间而降低的。假设增长率和时间X成反比，即增长率为 那么上述人口增长的数学模型可以抽象为： 当我们想知道很多年后的人口增长，即时间X趋向无穷 的人口时候即可得极限： 为什么正态分布如此常见 为什么数据科学家都钟情于最常见的正态分布？

这是标准正态分布密度函数：

真那么看的懂的

NORMDIST(为需要计算其分布的数值,分布的算术平均值,分布的标准偏差,逻辑值)NORMINV(正态分布的概率值,分布的算术平均值,分布的标准偏差)NORMSDIST(目标单元格)NORMSINV(目标单元格)没用过。自己试试。哪个OK

EXCEL不能做正态性检验，只能做假设检验。建议你用SPSS做正态性检验，下面这篇文章里有介绍http://wenku.baidu.com/view/043521325a8102d276a22f51.html

将这组数据画出曲线图

下面，波波411就来分享制作方法。此方法是直接制作一个画正态分布和正态曲线的模板，以后只要将新的样本数据替换，就可以随时做出正态分布图来，省时省力。工具/原料 电脑 Excel 2007版本及以上 计算均值

因为是标准正态分布,即μ=0,σ=1,做曲线图按以下步骤：1.在A1输入公式 =(ROW(A1)-1)*0.25-32.在B1输入公式 =NORMDIST(A1,0,1,0)3.下拉复制上面的两个公式分别到A25和B254.以A列为X轴,B列为Y轴插入“XY散点图”,选择散点图的类型为“带平滑线的散点图”确定即可

1、产生符合正态分布的随机数：输入“＝NORMINV(RAND(),mean,standard_dav)”，mean是均值，standard_dav是标准方差。 2、下拉的方式产生需要数目的随机数，全选，复制，再右键点“选择性粘贴”，选“数值”（这样做的目的是为了将公式形式去掉，不然它会再次产生新的随机数，而你被蒙在鼓里），然后排序。 3、另起一栏，输入“＝NORMDIST(X,mean,stardard_dav,false)”，X是刚才输入的随机数所在位置，产生概率后，下拉，得到需要的全部随机数对应的概率，然后就可以作出我们熟悉的正态分布曲线了。

100以内的十一法

线图 直方图都行吧 数据分析工具里有直方图

正态分布函数的语法是NORMDIST(x，mean，standard_dev，cumulative)cumulative为一逻辑值，如果为0则是密度函数，如果为1则是累积分布函数。如果画正态分布图，则为0。例如均值10%，标准值为20%的正态分布：先在A1中敲入一个变量，假定－50，选中A列，点编辑－填充－序列，选择列，等差序列，步长值10，终止值70。然后在B1中敲入NORMDIST（A1，10，20，0），返回值为0.000222，选中B1；当鼠标在右下角变成黑十字时，下拉至B13，选中A1B13区域，点击工具栏上的图表向导－散点图，选中第一排第二个图，点下一步，默认设置，下一步，标题自己写，网格线中的勾去掉，图例中的勾去掉，点下一步，完成。图就初步完成了。下面是微调把鼠标在图的坐标轴上点右键，选 坐标轴格式，在刻度中填入你想要的最小值，最大值，主要刻度单位（x轴上的数值间隔），y轴交叉于（y为0时，x多少）等等。确定后，正态分布图就大功告成了。标准正态分布英语：standard normal distribution，德语Standardnormalverteilung，是一个在数学、物理及工程等领域都非常重要的 概率分布，在统计学的许多方面有着重大的影响力。 期望值μ=0，即曲线图象对称轴为Y轴，标准差σ=1条件下的 正态分布，记为N(0，1)。在实际应用上，常考虑一组数据具有近似于正态分布的概率分布。若其假设正确，则约68.3%数值分布在距离平均值有1个标准差之内的范围，约95.4%数值分布在距离平均值有2个标准差之内的范围，以及约99.7%数值分布在距离平均值有3个标准差之内的范围。称为“68-95-99.7法则”或“经验法则”。

=NORMDIST(32,30.6,1.4,TRUE)-NORMDIST(30,30.6,1.4,TRUE)

不是很明白你的意思,如果只是单纯的产生正态分布的随机数,用自带的数据分析工具吧,里面有产生随机数一项,可以选择正态分布通过选择菜单栏“工具”→“数据分析”（如果您没有找到“数据分析”选择项，可能您的Excel中尚未安装该功能模块。请选择“工具”→“加载宏…”，并安装“分析工具库”即可）。在“数据分析”菜单界面中，选择“随机数发生器”，

1，工具法： 在Excel2007的数据选项卡中单击“数据分析”按钮（初次使用此功能需要在Excel选项中添加“分析工具库”加载项），在出现的“数据分析”对话框中选择“随机数发生器”，打开“随机数发生器”对话框，在这个对话框里可以设置所需的随机数参数，其中“变量个数”表示需要同时生成的随机数组数，留空的情况下可以生成一组随机数。“随机数个数”指的是同一组中生成的随机数个数。在“分布”下拉列表中选择“正态”。“平均值”和“标准偏差”是与分布形态相关的两个参数，根据实际的需要进行输入。最后在“输出选项”中选择随机数生成的位置。单击“确定”按钮即可生成一组符合参数要求的正态分布的随机数。 2，公式法： 用到两个函数NormDist和NormInv ，分别介绍如下：NormDist 用途：用于求正态分布的概率密度以及累积概率格式：=NormDist(x, 均值, 标准差, 是否累积)其中最后一个参数“是否累积”=False时计算的是概率密度，“是否累积”=True时计算的是累积概率（从-∞算起）例如：NormDist(1,0,1,False)=0.242 NormDist(1,0,1,True)=0.841NormInv用途：由累积概率反算位置点，可以看作NormDist的反函数格式：=NormInv(概率, 均值, 标准差)例如：NormInv(0.841,0,1)=1 当所研究的正态分布为标准正态分布(即均值=0 ，标准差=1）时，可以直接用normSdist和normSinv两个函数。

1，工具法：在Excel2007的数据选项卡中单击“数据分析”按钮（初次使用此功能需要在Excel选项中添加“分析工具库”加载项），在出现的“数据分析”对话框中选择“随机数发生器”，打开“随机数发生器”对话框，在这个对话框里可以设置所需的随机数参数，其中“变量个数”表示需要同时生成的随机数组数，留空的情况下可以生成一组随机数。“随机数个数”指的是同一组中生成的随机数个数。在“分布”下拉列表中选择“正态”。“平均值”和“标准偏差”是与分布形态相关的两个参数，根据实际的需要进行输入。最后在“输出选项”中选择随机数生成的位置。单击“确定”按钮即可生成一组符合参数要求的正态分布的随机数。2，公式法：用到两个函数NormDist和NormInv，分别介绍如下：NormDist用途：用于求正态分布的概率密度以及累积概率格式：=NormDist(x,均值,标准差,是否累积)其中最后一个参数“是否累积”=False时计算的是概率密度，“是否累积”=True时计算的是累积概率（从-∞算起）例如：NormDist(1,0,1,False)=0.242NormDist(1,0,1,True)=0.841NormInv用途：由累积概率反算位置点，可以看作NormDist的反函数格式：=NormInv(概率,均值,标准差)例如：NormInv(0.841,0,1)=1当所研究的正态分布为标准正态分布(即均值=0，标准差=1）时，可以直接用normSdist和normSinv两个函数。

我对你的问题的理解是，你有若干数据，打算做个图表，看看这组数据是否正态分布？因为若你的数据集本身不是正态分布的，你就不能用这组非正态数据生成正态分布图。所以要先检验数据，而EXCEL不是这方面的工具，所以不方便做这个检验。建议你用MINITAB之类的专用的统计软件去做，也可以直接生成正态分布图。当然若你检验过数据，证实它们是正态分布的，则可以在EXCEL中做折线图，但是只有当你的数据量足够大时，那个图才可能比较像个样子……如果你非要用EXCEL来出图！假定数据集合检验过是正态分布的，则相关正态分布参数就是已知的。这时，在EXCEL中调用相关函数，使用与你的数据集相同的正态参数，就可以生成一个与你的数据集相一致的正态分布图（EXCEL的函数会自动生成一组数据来生成图表，而这自动生成的数据与你自己的实际数据集有着相同的正态属性！），用来演示或示意就没什么问题啦。

你只要在柱形图上添加一个折线图系列即可，数据有NORMDIST函数用数组公式得到如果你的分组数据在（组界）在B10:B27,，均值在E5,标准差在E6,假如要在D10:D27显示正态分布曲线的数据，你就选择D10:D27，输入公式：=NORMDIST(B10:B27,$E$5,$E$6,0)输入后同时按ctrl+shift+enter 3键结束，然后根据D10:D27的数据折线作图设置在次坐标轴即可，公式根据你的需要更改

1，工具法： 在Excel2007的数据选项卡中单击“数据分析”按钮（初次使用此功能需要在Excel选项中添加“分析工具库”加载项），在出现的“数据分析”对话框中选择“随机数发生器”，打开“随机数发生器”对话框，在这个对话框里可以设置所需的随机数参数，其中“变量个数”表示需要同时生成的随机数组数，留空的情况下可以生成一组随机数。“随机数个数”指的是同一组中生成的随机数个数。在“分布”下拉列表中选择“正态”。“平均值”和“标准偏差”是与分布形态相关的两个参数，根据实际的需要进行输入。最后在“输出选项”中选择随机数生成的位置。单击“确定”按钮即可生成一组符合参数要求的正态分布的随机数。 2，公式法： 用到两个函数NormDist和NormInv ，分别介绍如下：NormDist 用途：用于求正态分布的概率密度以及累积概率格式：=NormDist(x, 均值, 标准差, 是否累积)其中最后一个参数“是否累积”=False时计算的是概率密度，“是否累积”=True时计算的是累积概率（从-∞算起）例如：NormDist(1,0,1,False)=0.242 NormDist(1,0,1,True)=0.841NormInv用途：由累积概率反算位置点，可以看作NormDist的反函数格式：=NormInv(概率, 均值, 标准差)例如：NormInv(0.841,0,1)=1 当所研究的正态分布为标准正态分布(即均值=0 ，标准差=1）时，可以直接用normSdist和normSinv两个函数。

可以找我看看！ 共同交流吧！ QQ531140905

1，工具法：在Excel2007的数据选项卡中单击“数据分析”按钮（初次使用此功能需要在Excel选项中添加“分析工具库”加载项），在出现的“数据分析”对话框中选择“随机数发生器”，打开“随机数发生器”对话框，在这个对话框里可以设置所需的随机数参数，其中“变量个数”表示需要同时生成的随机数组数，留空的情况下可以生成一组随机数。“随机数个数”指的是同一组中生成的随机数个数。在“分布”下拉列表中选择“正态”。“平均值”和“标准偏差”是与分布形态相关的两个参数，根据实际的需要进行输入。最后在“输出选项”中选择随机数生成的位置。单击“确定”按钮即可生成一组符合参数要求的正态分布的随机数。2，公式法：用到两个函数NormDist和NormInv，分别介绍如下：NormDist用途：用于求正态分布的概率密度以及累积概率格式：=NormDist(x,均值,标准差,是否累积)其中最后一个参数“是否累积”=False时计算的是概率密度，“是否累积”=True时计算的是累积概率（从-∞算起）例如：NormDist(1,0,1,False)=0.242NormDist(1,0,1,True)=0.841NormInv用途：由累积概率反算位置点，可以看作NormDist的反函数格式：=NormInv(概率,均值,标准差)例如：NormInv(0.841,0,1)=1当所研究的正态分布为标准正态分布(即均值=0，标准差=1）时，可以直接用normSdist和normSinv两个函数。

1，工具法：在Excel2007的数据选项卡中单击“数据分析”按钮（初次使用此功能需要在Excel选项中添加“分析工具库”加载项），在出现的“数据分析”对话框中选择“随机数发生器”，打开“随机数发生器”对话框，在这个对话框里可以设置所需的随机数参数，其中“变量个数”表示需要同时生成的随机数组数，留空的情况下可以生成一组随机数。“随机数个数”指的是同一组中生成的随机数个数。在“分布”下拉列表中选择“正态”。“平均值”和“标准偏差”是与分布形态相关的两个参数，根据实际的需要进行输入。最后在“输出选项”中选择随机数生成的位置。单击“确定”按钮即可生成一组符合参数要求的正态分布的随机数。2，公式法：用到两个函数NormDist和NormInv，分别介绍如下：NormDist用途：用于求正态分布的概率密度以及累积概率格式：=NormDist(x,均值,标准差,是否累积)其中最后一个参数“是否累积”=False时计算的是概率密度，“是否累积”=True时计算的是累积概率（从-∞算起）例如：NormDist(1,0,1,False)=0.242NormDist(1,0,1,True)=0.841NormInv用途：由累积概率反算位置点，可以看作NormDist的反函数格式：=NormInv(概率,均值,标准差)例如：NormInv(0.841,0,1)=1当所研究的正态分布为标准正态分布(即均值=0，标准差=1）时，可以直接用normSdist和normSinv两个函数。

Excel绘制正态概率分布图的方法如下：工具／原料：软件：Excel、版本：2016、系统：windows7步骤：1、计算标准差为0.05/0.1/0.15状态下的正态概率值＝NORMDIST(数值，0.5,0.05，false）。2、计算标准差为0.1/0.15状态下的正态概率值＝NORMDIST(数值，0.5,0.1，false）。3、选择数据区，【插入】－【图表】－【散点图】。4、单击图表，点击【选择数据】，编辑并添加0.1和0.15标准差的正态概率值数据。5、点击图表，设置【坐标轴格式】，修改最小值为0。

Excel绘制正态概率分布图的方法如下：工具／原料：软件：Excel、版本：2016、系统：windows7步骤：1、计算标准差为0.05/0.1/0.15状态下的正态概率值＝NORMDIST(数值，0.5,0.05，false）。2、计算标准差为0.1/0.15状态下的正态概率值＝NORMDIST(数值，0.5,0.1，false）。3、选择数据区，【插入】－【图表】－【散点图】。4、单击图表，点击【选择数据】，编辑并添加0.1和0.15标准差的正态概率值数据。5、点击图表，设置【坐标轴格式】，修改最小值为0。

具体会用到excel的正态分布函数Normdist（）输入数据。1.在单元格A1输入 。2.选定单元格A1：A121。3.选取“编辑”菜单下的“填充”—“序列”。在“序列产生在”框，选定“列”选项； 在“类型”框，选定“等差序列”选项；在“步长值”框，输入0.05（可以根据自己的需要输入步长值）；在“终止值”框，输入3。4.单击“确定”。5.在单元格B1中输入“=Normdist(a1,0,1,0) ”，回车得0.004432 ，即为 x=-3 时的标准正态分布的概率密度函数值。6.把鼠标放在单元格B1上的单元格填充柄上，当鼠标变成十字时，向下拖曳鼠标至B121。这样就可以得出一张正态分布表了

1，工具法：在Excel2007的数据选项卡中单击“数据分析”按钮（初次使用此功能需要在Excel选项中添加“分析工具库”加载项），在出现的“数据分析”对话框中选择“随机数发生器”，打开“随机数发生器”对话框，在这个对话框里可以设置所需的随机数参数，其中“变量个数”表示需要同时生成的随机数组数，留空的情况下可以生成一组随机数。“随机数个数”指的是同一组中生成的随机数个数。在“分布”下拉列表中选择“正态”。“平均值”和“标准偏差”是与分布形态相关的两个参数，根据实际的需要进行输入。最后在“输出选项”中选择随机数生成的位置。单击“确定”按钮即可生成一组符合参数要求的正态分布的随机数。2，公式法：用到两个函数NormDist和NormInv，分别介绍如下：NormDist用途：用于求正态分布的概率密度以及累积概率格式：=NormDist(x,均值,标准差,是否累积)其中最后一个参数“是否累积”=False时计算的是概率密度，“是否累积”=True时计算的是累积概率（从-∞算起）例如：NormDist(1,0,1,False)=0.242NormDist(1,0,1,True)=0.841NormInv用途：由累积概率反算位置点，可以看作NormDist的反函数格式：=NormInv(概率,均值,标准差)例如：NormInv(0.841,0,1)=1当所研究的正态分布为标准正态分布(即均值=0，标准差=1）时，可以直接用normSdist和normSinv两个函数。

1，工具法：在Excel2007的数据选项卡中单击“数据分析”按钮（初次使用此功能需要在Excel选项中添加“分析工具库”加载项），在出现的“数据分析”对话框中选择“随机数发生器”，打开“随机数发生器”对话框，在这个对话框里可以设置所需的随机数参数，其中“变量个数”表示需要同时生成的随机数组数，留空的情况下可以生成一组随机数。“随机数个数”指的是同一组中生成的随机数个数。在“分布”下拉列表中选择“正态”。“平均值”和“标准偏差”是与分布形态相关的两个参数，根据实际的需要进行输入。最后在“输出选项”中选择随机数生成的位置。单击“确定”按钮即可生成一组符合参数要求的正态分布的随机数。2，公式法：用到两个函数NormDist和NormInv，分别介绍如下：NormDist用途：用于求正态分布的概率密度以及累积概率格式：=NormDist(x,均值,标准差,是否累积)其中最后一个参数“是否累积”=False时计算的是概率密度，“是否累积”=True时计算的是累积概率（从-∞算起）例如：NormDist(1,0,1,False)=0.242NormDist(1,0,1,True)=0.841NormInv用途：由累积概率反算位置点，可以看作NormDist的反函数格式：=NormInv(概率,均值,标准差)例如：NormInv(0.841,0,1)=1当所研究的正态分布为标准正态分布(即均值=0，标准差=1）时，可以直接用normSdist和normSinv两个函数。

正态分布概率密度正态分布函数“NORMDIST”获取。在这里是以分组边界值为“X”来计算：Mean=AVERAGE(A:A)(数据算术平均）Standard_dev=STDEV(A:A)(数据的标准方差）Cumulative=0(概率密度函数）1、向下填充2.在直方图中增加正态分布曲线图a、在直方图内右键→选择数据→添加→b、系列名称：选中H1单元格c、系列值：选中H2:H21d、确定、确定3.修整图形a、在图表区柱形较下方选中正态分布曲线数据，（正态分布密度值和频率数值相比太小了，实在看不清，多试几次，选中后如图，同时正态分布曲线那数数据处于选中状态）。b、右键→设置数据列格式→系列绘制在→次坐标轴；关闭，如图4.更改系列图表类型a、选中正态分布柱形图→右键→更改系列图表类型b、选中“拆线图”c、确定5.平滑正态分布图选中正态分布曲线→右键→设置数据列格式→线型→勾选“平滑线”→关闭

假设，正态分布图的均值5%、标准值8%：A1输入-19回车；选A1——菜单栏——编辑——填充——序列——序列产生在：列（点选）——步长值：1——终止值：30——确定（30-(-20)=50个数据）；B1输入=NORMDIST(A1,5,8,0)回车并向下填充；选AB数据区域——菜单栏——插入——图表——类型：XY散点图：无数据点平滑线散点图——下一步——下一步——图列：不要——网络线：不要——完成。

具体会用到excel的正态分布函数Normdist（）输入数据。1.在单元格A1输入 。2.选定单元格A1：A121。3.选取“编辑”菜单下的“填充”—“序列”。在“序列产生在”框，选定“列”选项； 在“类型”框，选定“等差序列”选项；在“步长值”框，输入0.05（可以根据自己的需要输入步长值）；在“终止值”框，输入3。4.单击“确定”。5.在单元格B1中输入“=Normdist(a1,0,1,0) ”，回车得0.004432 ，即为 x=-3 时的标准正态分布的概率密度函数值。6.把鼠标放在单元格B1上的单元格填充柄上，当鼠标变成十字时，向下拖曳鼠标至B121。这样就可以得出一张正态分布表了

1，工具法：在Excel2007的数据选项卡中单击“数据分析”按钮（初次使用此功能需要在Excel选项中添加“分析工具库”加载项），在出现的“数据分析”对话框中选择“随机数发生器”，打开“随机数发生器”对话框，在这个对话框里可以设置所需的随机数参数，其中“变量个数”表示需要同时生成的随机数组数，留空的情况下可以生成一组随机数。“随机数个数”指的是同一组中生成的随机数个数。在“分布”下拉列表中选择“正态”。“平均值”和“标准偏差”是与分布形态相关的两个参数，根据实际的需要进行输入。最后在“输出选项”中选择随机数生成的位置。单击“确定”按钮即可生成一组符合参数要求的正态分布的随机数。2，公式法：用到两个函数NormDist和NormInv，分别介绍如下：NormDist用途：用于求正态分布的概率密度以及累积概率格式：=NormDist(x,均值,标准差,是否累积)其中最后一个参数“是否累积”=False时计算的是概率密度，“是否累积”=True时计算的是累积概率（从-∞算起）例如：NormDist(1,0,1,False)=0.242NormDist(1,0,1,True)=0.841NormInv用途：由累积概率反算位置点，可以看作NormDist的反函数格式：=NormInv(概率,均值,标准差)例如：NormInv(0.841,0,1)=1当所研究的正态分布为标准正态分布(即均值=0，标准差=1）时，可以直接用normSdist和normSinv两个函数。

1，工具法：在Excel2007的数据选项卡中单击“数据分析”按钮（初次使用此功能需要在Excel选项中添加“分析工具库”加载项），在出现的“数据分析”对话框中选择“随机数发生器”，打开“随机数发生器”对话框，在这个对话框里可以设置所需的随机数参数，其中“变量个数”表示需要同时生成的随机数组数，留空的情况下可以生成一组随机数。“随机数个数”指的是同一组中生成的随机数个数。在“分布”下拉列表中选择“正态”。“平均值”和“标准偏差”是与分布形态相关的两个参数，根据实际的需要进行输入。最后在“输出选项”中选择随机数生成的位置。单击“确定”按钮即可生成一组符合参数要求的正态分布的随机数。2，公式法：用到两个函数NormDist和NormInv，分别介绍如下：NormDist用途：用于求正态分布的概率密度以及累积概率格式：=NormDist(x,均值,标准差,是否累积)其中最后一个参数“是否累积”=False时计算的是概率密度，“是否累积”=True时计算的是累积概率（从-∞算起）例如：NormDist(1,0,1,False)=0.242NormDist(1,0,1,True)=0.841NormInv用途：由累积概率反算位置点，可以看作NormDist的反函数格式：=NormInv(概率,均值,标准差)例如：NormInv(0.841,0,1)=1当所研究的正态分布为标准正态分布(即均值=0，标准差=1）时，可以直接用normSdist和normSinv两个函数。

正态分布函数的语法是NORMDIST(x，mean，standard_dev，cumulative)cumulative为一逻辑值，如果为0则是密度函数，如果为1则是累积分布函数。如果画正态分布图，则为0。例如均值10%，标准值为20%的正态分布：先在A1中敲入一个变量，假定－50，选中A列，点编辑－填充－序列，选择列，等差序列，步长值10，终止值70。然后在B1中敲入NORMDIST（A1，10，20，0），返回值为0.000222，选中B1；当鼠标在右下角变成黑十字时，下拉至B13，选中A1B13区域，点击工具栏上的图表向导－散点图，选中第一排第二个图，点下一步，默认设置，下一步，标题自己写，网格线中的勾去掉，图例中的勾去掉，点下一步，完成。图就初步完成了。下面是微调把鼠标在图的坐标轴上点右键，选 坐标轴格式，在刻度中填入你想要的最小值，最大值，主要刻度单位（x轴上的数值间隔），y轴交叉于（y为0时，x多少）等等。确定后，正态分布图就大功告成了。

1，工具法：在Excel2007的数据选项卡中单击“数据分析”按钮（初次使用此功能需要在Excel选项中添加“分析工具库”加载项），在出现的“数据分析”对话框中选择“随机数发生器”，打开“随机数发生器”对话框，在这个对话框里可以设置所需的随机数参数，其中“变量个数”表示需要同时生成的随机数组数，留空的情况下可以生成一组随机数。“随机数个数”指的是同一组中生成的随机数个数。在“分布”下拉列表中选择“正态”。“平均值”和“标准偏差”是与分布形态相关的两个参数，根据实际的需要进行输入。最后在“输出选项”中选择随机数生成的位置。单击“确定”按钮即可生成一组符合参数要求的正态分布的随机数。2，公式法：用到两个函数NormDist和NormInv，分别介绍如下：NormDist用途：用于求正态分布的概率密度以及累积概率格式：=NormDist(x,均值,标准差,是否累积)其中最后一个参数“是否累积”=False时计算的是概率密度，“是否累积”=True时计算的是累积概率（从-∞算起）例如：NormDist(1,0,1,False)=0.242NormDist(1,0,1,True)=0.841NormInv用途：由累积概率反算位置点，可以看作NormDist的反函数格式：=NormInv(概率,均值,标准差)例如：NormInv(0.841,0,1)=1当所研究的正态分布为标准正态分布(即均值=0，标准差=1）时，可以直接用normSdist和normSinv两个函数。

正态分布函数的语法是NORMDIST(x，mean，standard_dev，cumulative)cumulative为一逻辑值，如果为0则是密度函数，如果为1则是累积分布函数。如果画正态分布图，则为0。 1. 例如均值10%，标准值为20%的正态分布：先在A1中敲入一个变量，假定－50，选中A列，点编辑－填充－序列，选择列，等差序列，步长值10，终止值70。 2. 然后在B1中敲入NORMDIST（A1，10，20，0），返回值为0.000222，选中B1；当鼠标在右下角变成黑十字时，下拉至B13，选中A1B13区域，点击工具栏上的图表向导－散点图，选中第一排第二个图，点下一步，默认设置，下一步，标题自己写，网格线中的勾去掉，图例中的勾去掉，点下一步，完成。 3. 图就初步完成了。下面是微调把鼠标在图的坐标轴上点右键，选 坐标轴格式，在刻度中填入你想要的最小值，最大值，主要刻度单位（x轴上的数值间隔），y轴交叉于（y为0时，x多少）等等。确定后，正态分布图就大功告成了。 4. 标准正态分布英语：standard normal distribution，德语Standardnormalverteilung，是一个在数学、物理及工程等领域都非常重要的 概率分布，在统计学的许多方面有着重大的影响力。 期望值μ=0，即曲线图象对称轴为Y轴，标准差σ=1条件下的 正态分布，记为N(0，1)。 5. 在实际应用上，常考虑一组数据具有近似于正态分布的概率分布。若其假设正确，则约68.3%数值分布在距离平均值有1个标准差之内的范围，约95.4%数值分布在距离平均值有2个标准差之内的范围，以及约99.7%数值分布在距离平均值有3个标准差之内的范围。称为“68-95-99.7法则”或“经验法则”。

一、制作直方图将数据输入到EXCEL同一列中（这里放入A列）；计算“最大值”、“最小值”、“极差”、“分组数”、“分组组距”；最大值：max(A：A);（=57.9）最小值：min（A:A）;（=50.6）极差：最大值-最小值;（=7.3）分组数：roundup(sqrt(count(A;A)),0);（=18）/*count（A:A）计算A列包含数字的单元格个数，sqrt求平方根，roundup按指定位数对数据进行向上四舍五入*/;分组组距：极差/分组数;（0.4）数据分组：选一个比最小值小的一个恰当的值作为第一个组的起始坐标，然后依次加上“分组组距”，直到最后一个数据值比“最大值”大为止。这里第一个组的起始坐标选为50.5，依次增加0.4，最后一组坐标为58.2，共计20组统计频率：统计每个分组中所包含的数据的个数。方法：采用FREQUENCY函数，以一列垂直数组返回一组数据的频率分布,1、=frequency(原始数据的范围,直方图分组的数据源);2、先选中将要统计直方图每个子组中数据数量的区域3、再按“F2”健，进入到“编辑”状态4、再同时按住“Ctrl”和“Shift”两个键，再按“回车Enter”键，最后三键同时松开.制作直方图：选择频率数插入柱状图修整柱形图：设置数据系列格式-调制无间距二、制作正态分布图获取正态分布概念密度：NORMDIST(作用：返回指定平均值和标准偏差的正态分布函数)语法：NORMDIST(x,mean,standard_dev,cumulative)X 为需要计算其分布的数值；（以每一个分组边界值为“X”，依次往下拉）Mean 分布的算术平均值；（Mean=AVERAGE(A:A)(数据算术平均））【这里为54.09】Standard_dev 分布的标准偏差；（Standard_dev=STDEV.S(A:A)(数据的标准方差）【1.15】Cumulative=false(概率密度函数）Cumulative 为一逻辑值，指明函数的形式。如果 cumulative 为 TRUE，函数 NORMDIST 返回累计分布函数；如果为 FALSE，返回概率密度函数。在直方图中增加正态分布曲线图：设置曲线图，选择次坐标轴。

你用NORMSDIST()那是标准正态分布函数。因为它的标准的，平均值为 0，标准偏差为 1，就只有一个值。你改用正态分布函数NORMDIST()就行：

问题一：这SPSS对一组数据进行正态性检验，得到这个图，怎么分析它是否服从正态分布？ 一般是以0.05作为界限，这是比较通用的规则。你的数据并不严格服从正态分布，因为Shapiro-Wilks test的P值为0.017。考虑到Shapiro-Wilks test有较高的检验效能（相对于其他的正态性检验，如Kolmogorov-Smirnov Test等），且P值仅为0.017，而Kolmogorov-Smirnov Test的P值为0.168，因此你的数据也没有严重背离正态分布。如果你的后续目的是进行T检验或方差分析等，由于这些方法对数据背离正态分布并不敏感，你仍然可以使用，而不必理会正态分布的问题。 问题二：Excel里面如何做正态分布图 做正态分布图首先要有数据,其实正态分布图就是光滑的折线图而已,求取数据时用到函数NORMDIST埂没有数据源很难说得清楚,做正态分布图是有点小麻烦的,看你对函数和图表的掌握程度. 问题三：正态分布的图像 开口越窄的，方差σ越小。对称轴越靠右的，期望μ越大 问题四：直方图 和 正态分布图 到底有什么区别 直方图(Histogram)又称质量分布图。是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据类型，纵轴表示分布情况。直方图是一种图表的呈现形式，是一种图的类型，如曲线图、面积图、箱型图等等。如下图： 正态分布图是根据正态分布的分布函数画出的，是数学或统计学上的概念，只有符合正态分布的图才叫正态分布图。根据不同的均值和方差，图形有所区别。如下图： 以上，答毕。 问题五：标准正态分布表怎么看 将未知量Z对应的列上的数 与 行所对应的数字 结合 查表定位 例如 要查Z=1.96的标准正态分布表 首先 在Z下面对应的数找到1.9 然后 在Z右边的行中找到6 这两个数所对应的值为 0.9750 即为所查的值 问题六：统计学的正态分布表怎么查？ 在表上查F(t)=0.95时，所对应的t值，这时t=1.9处 你不会查 说明你也不理解双尾检验的实质。 问题七：如何在word中画正态分布图 例如上面正态分布图的绘制方法： 1、单击插入----形状----线条----任意多边形工具； 2、在页面上绘制一个如图所示的图形；顶 3、在所绘制的图形上单击鼠标右键，在弹出的快捷菜单中选择编辑顶点； 4、效果如图所示； 5、在左侧的拐点处单击鼠标右键，在弹出的快捷菜单中选择平滑顶点； 6、其效果如图所示； 7、同理，在右侧的拐点处重复上面的操作即可。 问题八：excel一列数据如何画正态分布图 参考我之前的一个回答： zhidao.baidu/question/587108808 问题九：怎么用excel做正态分布表 具体会用到excel的正态分布函数Normdist（） 输入数据。 1.在单元格A1输入 。 2.选定单元格A1：A121。 3.选取“编辑”菜单下的“填充”―“序列”。 在“序列产生在”框，选定“列”选项； 在“类型”框，选定“等差序列”选项； 在“步长值”框，输入0.05（可以根据自己的需要输入步长值）； 在“终止值”框，输入3。 4.单击“确定”。 5.在单元格B1中输入“=Normdist(a1,0,1,0) ”哗回车得0.004432 ，即为 x=-3 时的标准正态分布的概率密度函数值。 6.把鼠标放在单元格B1上的单元格填充柄上，当鼠标变成十字时，向下拖曳鼠标至B121。 这样就可以得出一张正态分布表了

在A2输入-1，在A3输入 =A2+0.05，把A3复制，粘贴一直到A42（值为1）。在B1输入0，在C1输入0.2。在B2输入 =NORMDIST(A2,B$1,C$1,)，鼠标移到B2右下角，出现一”+“，双击它。选中A2:B42，插入，图表，折线图。完成。

这俩图都没用过，学习

利用NORMDIST函数可以得出标准正态分布图数据列数数据，（-3至3，区间为0.1）B1输入=NORMDIST(A1,0,1,0)，然后往下拉即可如图

1、产生符合正态分布的随机数：输入“＝NORMINV(RAND(),mean,standard_dav)”，mean是均值，standard_dav是标准方差。 2、下拉的方式产生需要数目的随机数，全选，复制，再右键点“选择性粘贴”，选“数值”（这样做的目的是为了将公式形式去掉，不然它会再次产生新的随机数，而你被蒙在鼓里），然后排序。 3、另起一栏，输入“＝NORMDIST(X,mean,stardard_dav,false)”，X是刚才输入的随机数所在位置，产生概率后，下拉，得到需要的全部随机数对应的概率，然后就可以作出我们熟悉的正态分布曲线了。

昨天测试了SQLDEVELOPER工具，尝试把几个EXCEL文件导入数据库中，发现该工具的处理方法很笨拙：你得先在库里建个表，结构和EXCEL文件里的数据结构比较类似，登录数据库，点击该表，选择“属性”里的导入数据，来导入EXCEL文件，途中还要把EXCEL的列和表字段一一匹配。

1，工具法：在excel2007的数据选项卡中单击“数据分析”按钮（初次使用此功能需要在excel选项中添加“分析工具库”加载项），在出现的“数据分析”对话框中选择“随机数发生器”，打开“随机数发生器”对话框，在这个对话框里可以设置所需的随机数参数，其中“变量个数”表示需要同时生成的随机数组数，留空的情况下可以生成一组随机数。“随机数个数”指的是同一组中生成的随机数个数。在“分布”下拉列表中选择“正态”。“平均值”和“标准偏差”是与分布形态相关的两个参数，根据实际的需要进行输入。最后在“输出选项”中选择随机数生成的位置。单击“确定”按钮即可生成一组符合参数要求的正态分布的随机数。2，公式法：用到两个函数normdist和norminv，分别介绍如下：normdist用途：用于求正态分布的概率密度以及累积概率格式：=normdist(x,均值,标准差,是否累积)其中最后一个参数“是否累积”=false时计算的是概率密度，“是否累积”=true时计算的是累积概率（从-∞算起）例如：normdist(1,0,1,false)=0.242normdist(1,0,1,true)=0.841norminv用途：由累积概率反算位置点，可以看作normdist的反函数格式：=norminv(概率,均值,标准差)例如：norminv(0.841,0,1)=1当所研究的正态分布为标准正态分布(即均值=0，标准差=1）时，可以直接用normsdist和normsinv两个函数。

随机数在Calc>Random Data>Normal,可以输入均值和标准差，LSL和USL好像不可以吧？

sigma原则：数值分布在（μ—σ,μ+σ)中的概率为0.65262sigma原则：数值分布在（μ—2σ,μ+2σ)中的概率为0.95443sigma原则：数值分布在（μ—3σ,μ+3σ)中的概率为0.9974 其中在正态分布中σ代表标准差,μ代表均值x=μ即为图像的对称轴。3σ准则又称为拉依达准则，它是先假设一组检测数据只含有随机误差，对其进行计算处理得到标准偏差，按一定概率确定一个区间，认为凡超过这个区间的误差，就不属于随机误差而是粗大误差，含有该误差的数据应予以剔除。且3σ适用于有较多组数据的时候。可以认为，数值分布几乎全部集中在(μ-3σ,μ+3σ)区间内，超出这个范围的可能性仅占不到0.3%.

sigma原则：数值分布在（μ-σ，μ+σ）中的概率为0.6826；补充更正高赞回答。2022-3-31

sigma原则：数值分布在（μ—σ,μ+σ)中的概率为0.6526；2sigma原则：数值分布在（μ—2σ,μ+2σ)中的概率为0.9544；3sigma原则：数值分布在（μ—3σ,μ+3σ)中的概率为0.9974 ；其中在正态分布中σ代表标准差,μ代表均值x=μ即为图像的对称轴。3σ准则又称为拉依达准则，它是先假设一组检测数据只含有随机误差，对其进行计算处理得到标准偏差，按一定概率确定一个区间，认为凡超过这个区间的误差，就不属于随机误差而是粗大误差，含有该误差的数据应予以剔除。且3σ适用于有较多组数据的时候。可以认为，数值分布几乎全部集中在(μ-3σ,μ+3σ)区间内，超出这个范围的可能性仅占不到0.3%。扩展资料：正态分布（Normal distribution），也称“常态分布”，又名高斯分布（Gaussian distribution），最早由A.棣莫弗在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，记为N(μ，σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布是标准正态分布。参考资料来源：百度百科-正态分布

σ是希腊字母，英文表达sigma，汉语译音为“西格玛”。在正态分布中σ代表标准差，μ代表均值x=μ即为图像的对称轴。三σ原则即为：数值分布在（μ—σ,μ+σ)中的概率为0.6526数值分布在（μ—2σ,μ+2σ)中的概率为0.9544数值分布在（μ—3σ,μ+3σ)中的概率为0.9974

是的

normally distributed网络正态分布; 正态分布的; 常态分布双语例句1Will estimators become approximately normally distributed when sample size gets large? 当样本容量变大时是否估计量会渐近地趋向于正态分布？2We often assume in finance that random variables, such as returns, are normally distributed. 我们经常在金融学中假设随机变量，比如回报，是正态分布的。

卡方检验应用条件：1.随机样本数据；2.卡方检验的理论频数不能太小.两个独立样本比较可以分以下3种情况：1.所有的理论数T≥5并且总样本量n≥40,用Pearson卡方进行检验.2.如果理论数T＜5但T≥1,并且n≥40,用连续性校正的卡方进行检验.3.如果有理论数T＜1或n＜40,则用Fisher"s检验.上述是适用于四格表.R×C表卡方检验应用条件：1.R×C表中理论数小于5的格子不能超过1/5；2.不能有小于1的理论数.我的实验中也不符合R×C表的卡方检验.可以通过增加样本数、列合并来实现.卡方检验是用途非常广的一种假设检验方法，它在分类资料统计推断中的应用，包括：两个率或两个构成比比较的卡方检验；多个率或多个构成比比较的卡方检验以及分类资料的相关分析等。1）提出原假设：H0：总体X的分布函数为F(x).如果总体分布为离散型，则假设具体为H0：总体X的分布律为P{X=xi}=pi， i=1，2，...