正态分布的公式如下：
φ μ , σ = 1 2 π σ ⋅ e − ( x − μ ) 2 2 σ 2 , x ∈ ( − ∞ , + ∞ ) \varphi_{\mu,\sigma}=\frac{1}{\sqrt{2\pi}\sigma}\cdot e^{-\frac{(x-\mu)^2}{2\sigma^2}},x\in(-\infty,+\infty) φμ,σ=2πσ1⋅e−2σ2(x−μ)2,x∈(−∞,+∞)
其中呢，
μ 指的就是期望，也就是这组数据中的平均数。图形是关于直线 x = μ 对称的，同时也是在该处取得峰值。 \mu指的就是期望， 也就是这组数据中的平均数。图形是关于直线x=\mu对称的，同时也是在该处取得峰值。 μ指的就是期望，也就是这组数据中的平均数。图形是关于直线x=μ对称的，同时也是在该处取得峰值。
σ 指的是标准差，标准差也就是方差开根号。由于面积是固定的，那么当 μ 是固定的时候，形状则由 σ 确定，当 σ 越小（越集中），曲线就越高瘦，越大则矮胖。 \sigma指的是标准差，标准差也就是方差开根号。由于面积是固定的，那么当\mu是固定的时候，形状则由\sigma确定，当\sigma越小（越集中），曲线就越高瘦，越大则矮胖。 σ指的是标准差，标准差也就是方差开根号。由于面积是固定的，那么当μ是固定的时候，形状则由σ确定，当σ越小（越集中），曲线就越高瘦，越大则矮胖。
σ 2 指的就是方差，形容这组数据的分散程度 \sigma^2指的就是方差，形容这组数据的分散程度 σ2指的就是方差，形容这组数据的分散程度
曲线与x轴围成的面积是1。
英语恶补ing
2024-07-20 18:58:03 34 阅读
![[Linux安全运维] OpenVPN部署](https://i-blog.csdnimg.cn/direct/5c3b75f71bde4e5599d1f2bb3ad5adb6.png#pic_center)
