機率與統計 · 常態分布

常態分布

常態分布N(μ, σ²)具有鐘形密度f(x) = exp(−(x − μ)²/(2σ²))/(σ√(2π)),中心在平均數μ,標準差為σ。每條常態曲線都是標準常態N(0, 1)換一把尺來讀:z = (x − μ)/σ將數值轉為標準單位,兩個值之間的面積只取決於它們的z分數。

從圖中看常態分布

服從常態分布N(μ,σ2)N(\mu, \sigma^2)的隨機變數XX具有鐘形密度:平均數μ\mu位於峰頂,標準差σ\sigma決定寬窄。XX落在兩個值之間的機率,就是這兩個值之間曲線下的面積。本頁曲線下有兩把尺:xx尺量數值,zz尺量標準單位。你可以移動μ\mu與σ\sigma,在aa與bb處切開數線,並選擇哪把尺固定在畫面上。

密度,以及讓所有常態曲線化為同一條的標準單位
f(x)=1σ2π e−(x−μ)2/(2σ2),z=x−μσf(x) = \frac{1}{\sigma\sqrt{2\pi}}\, e^{-(x-\mu)^2/(2\sigma^2)}, \qquad z = \frac{x-\mu}{\sigma}

為什麼每條常態曲線都是同一條?固定zz尺,再改變μ\mu或σ\sigma:畫面上的曲線維持不動。動的是下方的xx尺,它會滑動、伸縮,密度刻度上的數字也跟著改變。切點是xx的值,所以隨這把尺移動;只有切點在zz尺上的位置改變時,塗色面積才會改變。每個常態分布都是以另一把尺讀取標準常態N(0,1)N(0, 1),因此P(a≤X≤b)=Φ(zb)−Φ(za)P(a \le X \le b) = \Phi(z_b) - \Phi(z_a),其中Φ(z)\Phi(z)是標準曲線下zz左側的面積。

曲線的哪裡看得出σ\sigma?反曲點。在一般縱軸上,曲線於μ−σ\mu - \sigma與μ+σ\mu + \sigma之間向下彎,外側向上彎。切線在這兩個反曲點穿過曲線。由於形狀不變,距平均數kk個標準差以內的面積與μ\mu、σ\sigma無關:一個以內約68.27%,兩個以內約95.45%,三個以內約99.73%。

為什麼曲線越窄越高?因為總面積始終是1。「分解步驟」顯示從標準曲線出發的兩步:先平移到μ\mu,再橫向伸縮為σ\sigma倍,曲線下面積變成σ\sigma;將高度除以σ\sigma後,面積又回到1。因此峰高為1/(σ2π)1/(\sigma\sqrt{2\pi}),σ\sigma減半,峰高便加倍。高度是密度,也就是每單位xx的機率;只有面積才是機率。

尾端有多薄?在一般縱軸上,曲線到了約3σ3\sigma處,看起來像貼住了橫軸,其實永遠不會變成0。在對數縱軸上,log⁡f\log f是xx的二次函數,因此曲線變成開口向下的拋物線,尾端下降得越來越快:左右兩端超過3σ3\sigma的機率合計約0.270%,超過4σ4\sigma約為15,800分之1,超過6σ6\sigma約為5.07億分之1。對數縱軸下,曲線下面積不再等於機率,因此只在xx尺上標出所選區域。

值得注意

  • 若兩場考試的分數都以常態分布建模,可開啟第二把尺,比較兩場各一個分數。各分數都有自己的zz位置;更靠右的分數,在其所屬群體中的相對排名較高。
  • 68–95–99.7法則適用於常態分布。其他分布在kk個標準差以內的比例可能相差很大。

操作

  • 固定zz尺時,直接拖曳xx尺的尺身可改變μ\mu,拖曳其σ\sigma把手可伸縮尺子。將把手往外拉,刻度尺會展開,使σ\sigma變小。
  • 每個可拖曳的把手也都能用方向鍵移動。輸入的切點可以位於視野之外,畫面會移動以顯示它。

相關概念