1702654900
1702654901
1.正态分布的概念
1702654902
1702654903
若X的密度函数为
1702654904
1702654905
1702654906
1702654907
1702654908
μ、σ为常数，σ＞0，则称x服从参数为μ，σ2的正态分布。
1702654909
1702654910
x为连续随机变量，μ为x值的总体均值，σ2为总体方差，记为X～N（μ，σ2）。
1702654911
1702654912
2.正态分布的特征
1702654913
1702654914
●正态分布变量的频数分布由μ、σ完全决定其分布位置和形状。
1702654915
1702654916
●随μ不同，曲线位置不同，称μ为位置参数。以x=μ为中心，左右完全对称。正态分布的均值、中位数、众数相同，均等于μ。μ是正态分布的位置参数，描述正态分布的集中位置。
1702654917
1702654918
●σ不同，曲线形状不同，称σ为形状参数。在描述正态分布资料数据分布的离散程度时，σ越大，数据分布越分散；σ越小，数据分布越集中。作为正态分布的形状参数来描述时，σ越大，曲线越扁平；反之，σ越小，曲线越尖峭。
1702654919
1702654920
3.使用正态分布
1702654921
1702654922
通过示例1来介绍使用正态分布的相关操作。
1702654923
1702654924
示例1：
1702654925
1702654926
正常人平均舒张压值μ=80mmHg，高血压病平均舒张压值为100mmHg，已知某城市舒张压值方差σ=200。现在从该城市随机抽取一位居民，其为高血压病患者的概率是多少？
1702654927
1702654928
具体操作步骤如下：
1702654929
1702654930
①因为要计算高血压病患者的概率，即计算分布的数值x=100，在B1单元格中输入100，如图4.1所示。
1702654931
1702654932
1702654933
1702654934
1702654935
图4.1 输入数值x ②μ=80，在B2单元格中输入80；σ=200，在B3单元格中输入200。原始数据如图4.2所示。
1702654936
1702654937
1702654938
1702654939
1702654940
图4.2 示例1原始数据
1702654941
1702654942
③因为要求概率密度值，所以cumulative=0。在B4单元格中输入”=NORMDIST（B1，B2，B3，0）”，按Enter键便可得到如图4.3所示的计算结果，即给定参数下，该居民为高血压病患者的概率。
1702654943
1702654944
1702654945
1702654946
1702654947
图4.3 计算结果
1702654948
1702654949