标准正态分布-程序员的概率论

标准正态分布是一种特殊的正态分布，均值为0，标准差为1，其概率密度函数为：

?

标准正态分布在统计学和概率论中有着广泛的应用，尤其是在进行假设检验时。

假设检验通常涉及到对某个参数（例如均值或比例）进行检验，而检验的结果通常用一个统计量（例如 t 统计量或 z 统计量）来表示。

对于大样本或正态分布的情况，统计量通常服从标准正态分布。因此，在进行假设检验时，可以通过标准正态分布的累积分布函数来计算临界值和 p 值，从而做出是否拒绝原假设的决策。

使用numpy?生成了一个在-4到4之间均匀分布的x轴坐标点。然后，我们使用scipy.stats.norm.pdf?函数计算标准正态分布的概率密度函数值，并使用matplotlib.pyplot?绘制了概率密度函数的图像。最终，我们得到了标准正态分布的图像，其均值为0，标准差为1。

标准正态分布是正态分布中特殊的一种形式，具有以下特性：

1. 均值为0：标准正态分布的均值（期望值）为0，表示分布的中心在原点。
2. 标准差为1：标准正态分布的标准差为1，表示分布的数据相对于均值的离散程度。
3. 对称性：标准正态分布是关于均值的对称分布，其概率密度函数在均值处取得最大值，并且左右两侧的分布完全对称。
4. 归一性：标准正态分布的总体面积等于1，即整个曲线下的概率密度之和为1。
5. Z分数：标准正态分布的变量可以使用Z分数来度量，即将原始数据转化为与标准正态分布相应的分数，便于进行统计推断和比较。