1，正態分布的基本形狀
正態分布的形狀類似於壹個倒置的時鐘，它的對稱軸是均值(μ)軸，時鐘的頂端是3個單位的標準差(σ)。在正態分布中，約68%的數據落在距平均值1個標準差的範圍內，約95%的數據落在距平均值2個標準差的範圍內，約99.7%的數據落在距平均值3個標準差的範圍內。
2.正態分布參數
正態分布有兩個主要參數:均值(μ)和標準差(σ)。平均值決定了分布的中心位置，而標準差決定了分布的寬度。如果正態分布的均值向右移動，分布的中心也會向右移動；標準差越大，分布越廣。
3.正態分布的應用
正態分布廣泛應用於許多領域，包括自然科學、社會科學、醫學等。在醫學領域，很多身體測量(如身高、體重、血壓等。)服從正態分布。在社會科學中，許多社會現象(如人口、GDP等。)也具有正態分布的特征。
正態分布曲線在社會經濟預測中的應用
經濟數據的正態分布。
很多經濟指標，如GDP增長率、股價波動等，都可以視為服從正態分布。通過深入了解和研究這些經濟數據的正態分布特征，可以更好地把握經濟發展的規律和趨勢。
2.正態分布在金融風險管理中的應用。
在金融領域，正態分布被廣泛用於度量和管理風險。在投資組合理論中，markowitz提出了基於正態分布特性的均值-方差模型，為投資者提供了權衡風險和收益的依據。在信用風險管理中，正態分布也被用來評估不同信用等級的借款人的違約概率。
3.正態分布的局限性
正態分布不能完全描述現實中所有數據的分布。在某些情況下，數據可能會出現重尾，也就是說，遠離均值的極端情況出現的概率高於正態分布預測的概率。這時候就需要用其他分布模型來描述和預測了。