标准正态表如何看五行正态分布黄道吉日(每一天一点统计学——正态分布)
标准正态表是统计学中常用的工具之一，用于计算标准正态分布。标准正态分布是统计学中最要紧的概率分布之一，亦称做正态分布或高斯分布。正态分布的特征是钟形曲线，对称分布于均值周围。
要正确使用标准正态表，first of all需要明白表格的结构。标准正态表一般是一个两列或者四列的表格。第1列是由-3、9到3、9间隔为0。1的数值，这几个数值代表着标准正态分布的z-score。第2列（有的表格是第3列和第4列）是相应的面积值，亦即标准正态分布曲线下的面积。
为了使用标准正态表，我们first of all需要计算出所关心的随机变量的z-score。z-score是指一个随机变量与其均值之间的差别除以标准差。通过将z-score从标准正态表中查找相应的面积值，能够得到该随机变量对应的概率。
使用标准正态表的步骤如下：
计算随机变量与均值的差别，并除以标准差，得到z-score。
查找z-score相应的面积值，可以定位到标准正态表中的相应行。
假如z-score为正，可以直接读取对应行的面积值；假如z-score为负，需要找到与之相应的正z-score的面积值，紧接着减去1得到负z-score的面积值。
依据需要可以进行面积值的插值计算，以获得更精确的概率值。
标准正态表在统计学中有着宽广的应用。它真的可以帮助我们计算随机变量落在某个特定范围内的概率，或者用于推断和决策剖析。不管是在科学研究、数据剖析还是金融范畴，学会使用标准正态表都是非常重要的。
正态分布是统计学中最常用的分布之一，它的特性使得它能够用以描述很多自然现象和社会现象。正态分布的中心极限定理是统计学中的重要基础，它告知我们多数随机变量的分布趋向于正态分布。
也就是说，标准正态表是一个有用的工具，可以帮助我们计算标准正态分布的概率。正确使用标准正态表可来提升统计剖析的准确性和可靠性。通过每一天学习一点统计学知识，俺们是可以更好地理解和运用这几个工具，从而更好地处理和剖析数据、进行推断和决策。
来源头条作者:懂码杂记
何谓正态分布
正态概率分布是连续型随机变量概率分布中最要紧的形式，它在实践中有着宽广的应用。在生活之中有很多现象的分布都服从正态分布，如人的身高、体重、智商分数；某种产品的尺寸和质量；降雨量；学习成绩，尤其是，在统计推断时，当样本的数量足够大时，很多统计数据都服从正态分布。下面以人的身高为例，通俗解释一下何谓正态分布？
随机抽取200位同等年龄上下的 男人，测量好他们的身高之后计算出平均身高，通过将平均身高与他们各自的身高对比，俺们是可以轻松发现这一现象：大都男性的身高都集中于平均身高上下浮动，有极少数男性身高很矮，亦有极少数男性身高很高。这200为男性身高的概率密度函数可能如下图所示：
事实上，这种形状十分常见，应用很广泛，它叫做正态分布。
正态分布的概率密度函数
正态分布之因此被称为正态，是由于它的形态看似合乎理性。从实际生活之中，遇见测量值之类的大量连续数据时，多数情况下都会期望看见这种形态。正态分布的概率密度函数的计算公式如下：
其中µ＝均值，σ＝标准差，π＝3、14159，e＝2、71828。假如随机变量X符合上述概率密度函数的分布，则称X是服从参数为µ，σ2的正态分布，记为X～N(µ，σ2)。
正态分布的概率密度函数具有下列性质；
以x＝µ为对称轴的对称分布；
σ2指分散性，σ2值越大，正态分布的曲线越扁平、越宽；
以x轴为渐近线；
若随机变量X1，X2…，Xn皆服从正态分布，且互相单独，则对任意几个常数a1，a2，…，an(不全为0)，Z=a1X1+a2x2+……+anXn也服从正态分布。
正态分布求概率
在《每一天一点统计学——概率密度函数》中，我们经过努力已经知道怎样使用概率密度函数求概率的方式方法。不过在正态分布中求概率是特别困难的，提供包括所有不同的µ和σ的正态分布表亦即没有可能的。所以统计学家通过一种简单容易的方法来解决这一问题。对于一个随机变量X～N(µ，σ2)，假如令Z=(x-µ)/σ（标准分），则随机变量Z服从µ=0，σ2=1的正态分布，记为Z～N(0，1)，称为基准正态分布。
标准正态分布的概率密度函数为：
通过上式可以看出标准正态分布不再依赖于参数µ和σ，它是固定的，是唯一的。于是，标准正态分布中随机变量与其概率的相呼应之关系被计算出来，并列为基准正态概率分布表，以便查询。因此，对于不同的µ和σ，只要将变量值转化为Z值，紧接着查表即可得到其概率值。
标准正态概率分布表
例子：已知硕士完成一篇研究生论文的时间服从正态分布，平均花费2500h，标准差为400h，现随机寻觅到一个已完成论文的学生，求：
（一）他完成论文的时间超过2700h的概率；
（二）他完成论文的时间低于2000h的概率；
（三）他完成论文的时间在二十四00h～2600h之间的概率。
解：用X预示完成论文的时间，则X～N(2500，400*400)。这是非标准的正态分布，假如直接计算概率是特别麻烦的，我们first of all将其转化为基准正态分布，紧接着通过标准正态分布表查出变量的概率值。
（一）求P(X>2700)
Z=(x-µ)/σ=(2700-2500)/400=0。5
可以查询标准正态分布概率表，表中第1列是z值，第1行是z值的补充值，现z=0。5求的是从0。5到+∞的区间上的概率，即1-0。6915=0。308五、
（二）求P(X
Z=(x-µ)/σ=(2000-2500)/400=-1、25
依据正态分布的对称性，1、25的概率值与－1、25的概率值完全对称，所以只查1、25的概率值即可。Z=1、25时，P(1、25)=0。8944，则P(-1、25)=1-P(1、25)=0。1056
（三）求P(二十四00
Z1=(x-µ)/σ=(2600-2500)/400=0。25
Z2=(x-µ)/σ=(二十四00-2500)/400=-0。25
查询标准正态分布概率表，可总结出P(0。25)=0。5987，P(-0。25)=0。401三、
P(二十四00