完整定義
常態分佈,又稱高斯分佈,是一種非常重要的連續機率分佈。其機率密度函數呈鐘形曲線,左右對稱,平均數、中位數和眾數相等。常態分佈廣泛應用於統計學、自然科學和社會科學,用於描述大量獨立隨機變數之和的分布。
白話說明
你有沒有注意過,很多自然現象都會圍著平均值上下波動?
你可以把它想成大多數人都靠近中間,只有少數人特別高或特別矮的那種鐘形分佈。
常態分佈是統計裡最重要的分佈之一,很多測量誤差和自然變異都接近它。
記住這句
大多數值靠中間,少數值在兩邊。
比喻:常態分佈就像班級的考試成績分佈圖 -- 大部分同學的成績都落在平均分數附近,只有少數人考得特別高或特別低,畫出來就像一個中間高兩邊低的鐘形曲線。
容易混淆
常態分佈 vs 均勻分佈
常態分佈:中間多、兩邊少
均勻分佈:每個區間機會差不多
常態分佈 vs 偏態分佈
常態分佈:左右對稱
偏態分佈:一邊拖尾比較長
實際案例
身高
成年人的身高常在平均值附近聚集,極端高或極端矮都少。
量測誤差
儀器每次量到的值會微微晃動,常接近常態分佈。
演算法與應用
常態分佈由平均數和標準差決定形狀。
很多統計方法之所以好用,就是因為中央極限定理讓它們很常接近常態。
如果資料明顯偏斜,就不能硬當成常態。
中英對照與常見說法
讀論文時要注意:Gaussian 與 normal 完全同義,作者用哪一個純粹是習慣。但 Gaussian process(高斯過程)是另一個更進階的概念,不要看到 Gaussian 就當成常態分布。
- 中文
- 常態分布
- 英文
- normal distribution
- 備註
- 台灣統計教材的標準譯法
- 中文
- 常態分佈
- 英文
- normal distribution
- 備註
- 同上,「佈」與「布」兩種寫法都通行
- 中文
- 正態分布
- 英文
- normal distribution
- 備註
- 中國大陸用語
- 中文
- 高斯分布
- 英文
- Gaussian distribution
- 備註
- 同一個東西,工程與機器學習文獻常用這個名字
- 中文
- 標準常態分布
- 英文
- standard normal distribution
- 備註
- 平均 0、標準差 1 的那一個特例
- 中文
- 鐘形曲線
- 英文
- bell curve
- 備註
- 口語說法,指它的形狀
為什麼常態分布到處都是
原因是中央極限定理(Central Limit Theorem):大量獨立隨機因素加總起來,總和的分布會趨近常態分布,不管每個因素本身是什麼分布。
身高受到很多基因與環境因素共同影響,量測誤差是很多微小干擾疊加的結果,所以它們都接近常態。這不是巧合,是加總這個動作造成的。
幾個關鍵性質:
完全由兩個參數決定,平均數 μ 決定中心位置,標準差 σ 決定胖瘦。
左右對稱,所以平均數、中位數、眾數三者相等。
68-95-99.7 法則:落在 μ ± 1σ 內約 68%,μ ± 2σ 約 95%,μ ± 3σ 約 99.7%。
最後這一條是實務上最常用的,Z 分數判離群值、品質管制的管制圖、信賴區間的計算,底層都是它。
但要提醒一件事:很多真實資料並不常態。收入、城市人口、網頁流量都是明顯右偏的長尾分布,硬套常態的方法會得到錯誤結論。用之前先畫直方圖或做常態性檢定。
情境判斷
Q1(直覺題):你量很多次同一個人的身高,結果大多在平均附近,這像什麼分佈?
常態分佈。
Q2(判斷題):如果資料一邊很長尾,還能直接當常態嗎?
不一定,得先看偏態和尾巴長度。
常見問題
就是平均數 0、標準差 1 的常態分佈。
不是,但很多獨立誤差加總後會接近它。
因為很多模型、評估和誤差分析都會用到。
常態分佈的資料約有 68% 落在平均數上下 1 個標準差內,約 95% 落在 2 個標準差內,約 99.7% 落在 3 個標準差內。這個經驗法則只適用於接近常態的資料,偏態或厚尾的資料不能直接套用。
是同一件事。「分佈」、「分布」與「分配」都是 distribution 的翻譯,台灣統計教科書常用「常態分配」,資訊與機器學習領域常寫「常態分佈」。查表時看到的常態分配表,就是標準常態分佈的累積機率表。
Excel 用 NORM.DIST(x, 平均數, 標準差, FALSE) 算機率密度,最後一個參數改成 TRUE 算累積機率,NORM.S.DIST 則用於標準常態。要畫鐘形曲線,可先建立一欄等距的 x 值,旁邊用 NORM.DIST 算出密度,再插入平滑線散佈圖。
範例考題
某保險公司建立 AI 理賠金額預測模型。歷史理賠資料經檢定後呈近似常態分佈,但仍存在少數極端高額案件。資料科學團隊在不破壞整體分佈特性的前提下,規劃進行離群值處理。下列何者最不適當?
- A依統計準則(如 Z-score 或 IQR)評估後,再決定是否調整或處理極端值
- B採用截尾(Trimming)處理極端值,以提升模型穩定性
- C使用 One-hot 編碼(One-hot Encoding)將離群值轉換為類別特徵以改善數值穩定性
- D結合領域知識評估其合理性,再決定保留或修正
正解是 C:使用 One-hot 編碼(One-hot Encoding)將離群值轉換為類別特徵以改善數值穩定性
解析:One-hot 編碼是用來將類別型特徵轉換為數值的方法,不適用於處理數值型的離群值。將數值離群值轉為類別特徵會破壞原始資料的數值意義,無法正確處理離群值問題。
出現在這些考古題
官方公告試題的逐題解析裡,有 12 題把常態分佈列為延伸術語,這裡列出 5 題。
相關術語
來源
參考來源:en.wikipedia.org
其他格式:Markdown 版本