在python中，如何想要计算概率分步，可以引入正泰分布。正态分布因允许从数学上近似不确定性和变异性，在统计学发展历史中有着非常重要的地位，是一个非常重要也非常常见的连续概率分布。本文将向大家介绍python中正态分布的实现形式。

一、正态分布是什么？

正态分布(normal distribtution)又叫做高斯分布(Gaussian distribution)，允许从数学上近似不确定性和变异性。

虽然原始数据通常并不符合正态分布，但误差通常是符合正态分布的，对于大规模样本的均值和总数，也是一样的。

二、标准化

标准化（也称为归一化），通过减去均值并除以标准偏差，将所有变量置于同一尺度。该方式避免了变量的原始测量规模对模型产生过度的影响。

我们一般称如上的标准化的值为z分数，要将数据转换为z分数，需要减去数据的均值，再除以标准偏差。

三、实现形式

正态分布是通过排列数据中每个值的概率分布来呈现数据的形式，大多数值保持在平均值附近，从而使排列对称。

正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。

若随机变量X服从一个数学期望为μ、方差为σ2的正态分布，记为N(μ，σ2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布是标准正态分布。

四、正态检验

利用观测数据判断总体是否服从正态分布的检验称为正态性检验，它是统计判决中重要的一种特殊的拟合优度假设检验。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
% matplotlib inline

以上就是python中有关正态分布的介绍，希望能对你有所帮助哟~