正態分佈（Normal distribution）又名高斯分佈（Gaussian distribution），是一個在數學、物理及工程等領域都非常重要的機率分佈，在統計學的許多方面有著重大的影響力。若隨機變數X服從一個數學期望為μ、方差為σ^2的高斯分佈，記為N(μ，σ^2)。其機率密度函式為正態分佈的期望值μ決定了其位置，其標準差σ決定了分佈的幅度。因其曲線呈鐘形，因此人們又經常稱之為鐘形曲線。我們通常所說的標準正態分佈是μ = 0,σ = 1的正態分佈。
正態分佈一種機率分佈，也稱“常態分佈”。正態分佈具有兩個引數μ和σ^2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σ^2是此隨機變數的方差，所以正態分佈記作N（μ，σ^2）。服從正態分佈的隨機變數的機率規律為取與μ鄰近的值的機率大，而取離μ越遠的值的機率越小；σ越小，分佈越集中在μ附近，σ越大，分佈越分散。
正態分佈的密度函式的特點是：關於μ對稱，並在μ處取最大值，在正（負）無窮遠處取值為0，在μ±σ處有拐點，形狀呈現中間高兩邊低，影象是一條位於x軸上方的鐘形曲線。當μ=0，σ^2 =1時，稱為標準正態分佈，記為N（0，1）。μ維隨機向量具有類似的機率規律時，稱此隨機向量遵從多維正態分佈。多元正態分佈有很好的性質，例如，多元正態分佈的邊緣分佈仍為正態分佈，它經任何線性變換得到的隨機向量仍為多維正態分佈，特別它的線性組合為一元正態分佈。
正態分佈最早由A.棣莫弗在求二項分佈的漸近公式中得到。C.F.高斯在研究測量誤差時從另一個角度匯出了它。P.S.拉普拉斯和高斯研究了它的性質
正態分佈（Normal distribution）又名高斯分佈（Gaussian distribution），是一個在數學、物理及工程等領域都非常重要的機率分佈，在統計學的許多方面有著重大的影響力。若隨機變數X服從一個數學期望為μ、方差為σ^2的高斯分佈，記為N(μ，σ^2)。其機率密度函式為正態分佈的期望值μ決定了其位置，其標準差σ決定了分佈的幅度。因其曲線呈鐘形，因此人們又經常稱之為鐘形曲線。我們通常所說的標準正態分佈是μ = 0,σ = 1的正態分佈。
正態分佈一種機率分佈，也稱“常態分佈”。正態分佈具有兩個引數μ和σ^2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σ^2是此隨機變數的方差，所以正態分佈記作N（μ，σ^2）。服從正態分佈的隨機變數的機率規律為取與μ鄰近的值的機率大，而取離μ越遠的值的機率越小；σ越小，分佈越集中在μ附近，σ越大，分佈越分散。
正態分佈的密度函式的特點是：關於μ對稱，並在μ處取最大值，在正（負）無窮遠處取值為0，在μ±σ處有拐點，形狀呈現中間高兩邊低，影象是一條位於x軸上方的鐘形曲線。當μ=0，σ^2 =1時，稱為標準正態分佈，記為N（0，1）。μ維隨機向量具有類似的機率規律時，稱此隨機向量遵從多維正態分佈。多元正態分佈有很好的性質，例如，多元正態分佈的邊緣分佈仍為正態分佈，它經任何線性變換得到的隨機向量仍為多維正態分佈，特別它的線性組合為一元正態分佈。
正態分佈最早由A.棣莫弗在求二項分佈的漸近公式中得到。C.F.高斯在研究測量誤差時從另一個角度匯出了它。P.S.拉普拉斯和高斯研究了它的性質