正態分佈3sigma原則
正態分佈中“sigma原則”、“2sigma原則”、“3sigma原則”分別是：sigma原則：數值分佈在（μ-σ，μ+σ）中的機率為0.6526；2sigma原則：數值分佈在（μ-2σ，μ+2σ）中的機率為0.9544；3sigma原則：數值分佈在（μ-3σ，μ+3σ）中的機率為0.9974；
其中在正態分佈中σ代表標準差，μ代表均值x=μ即為影象的對稱軸。
由於“小機率事件”和假設檢驗的基本思想 “小機率事件”通常指發生的機率小於5%的事件，認為在一次試驗中該事件是幾乎不可能發生的。
由此可見X落在（μ-3σ，μ+3σ）以外的機率小於千分之三，在實際問題中常認為相應的事件是不會發生的，基本上可以把區間（μ-3σ,μ+3σ）看作是隨機變數X實際可能的取值區間，這稱之為正態分佈的“3σ”原則。
1、正態分佈有兩個引數，即期望（均數）μ和標準差σ，σ²為方差。
2、正態分佈具有兩個引數μ和σ²的連續型隨機變數的分佈，第一引數μ是服從正態分佈的隨機變數的均值，第二個引數σ²是此隨機變數的方差，所以正態分佈記作N（μ,σ²）。
3、μ是正態分佈的位置引數，描述正態分佈的集中趨勢位置。機率規律為取與μ鄰近的值的機率大，而取離μ越遠的值的機率越小。正態分佈以X=μ為對稱軸，左右完全對稱。正態分佈的期望、均數、中位數、眾數相同，均等於μ。
4、σ描述正態分佈資料資料分佈的離散程度，σ越大，資料分佈越分散，σ越小，資料分佈越集中。也稱為是正態分佈的形狀引數，σ越大，曲線越扁平，反之，σ越小，曲線越瘦高。
正態分佈3sigma原則
正態分佈中“sigma原則”、“2sigma原則”、“3sigma原則”分別是：sigma原則：數值分佈在（μ-σ，μ+σ）中的機率為0.6526；2sigma原則：數值分佈在（μ-2σ，μ+2σ）中的機率為0.9544；3sigma原則：數值分佈在（μ-3σ，μ+3σ）中的機率為0.9974；
其中在正態分佈中σ代表標準差，μ代表均值x=μ即為影象的對稱軸。
由於“小機率事件”和假設檢驗的基本思想 “小機率事件”通常指發生的機率小於5%的事件，認為在一次試驗中該事件是幾乎不可能發生的。
由此可見X落在（μ-3σ，μ+3σ）以外的機率小於千分之三，在實際問題中常認為相應的事件是不會發生的，基本上可以把區間（μ-3σ,μ+3σ）看作是隨機變數X實際可能的取值區間，這稱之為正態分佈的“3σ”原則。
正態分佈中的引數含義1、正態分佈有兩個引數，即期望（均數）μ和標準差σ，σ²為方差。
2、正態分佈具有兩個引數μ和σ²的連續型隨機變數的分佈，第一引數μ是服從正態分佈的隨機變數的均值，第二個引數σ²是此隨機變數的方差，所以正態分佈記作N（μ,σ²）。
3、μ是正態分佈的位置引數，描述正態分佈的集中趨勢位置。機率規律為取與μ鄰近的值的機率大，而取離μ越遠的值的機率越小。正態分佈以X=μ為對稱軸，左右完全對稱。正態分佈的期望、均數、中位數、眾數相同，均等於μ。
4、σ描述正態分佈資料資料分佈的離散程度，σ越大，資料分佈越分散，σ越小，資料分佈越集中。也稱為是正態分佈的形狀引數，σ越大，曲線越扁平，反之，σ越小，曲線越瘦高。