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:
- 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。
- 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。
- 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。
- 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。
- 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。