AITerms 登入
統計方法機器學習資料處理

常態分佈(Normal Distribution)是什麼?

常態分佈是一種連續機率分佈,其機率密度函數呈鐘形曲線,平均數、中位數和眾數相等,數據集中在平均值附近。

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

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?

  1. 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
  2. B採用截尾(Trimming)處理極端值,以提升模型穩定性
  3. 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
  4. D結合領域知識評估其合理性,再決定保留或修正
到題目頁作答

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

本頁內容有提到,或屬於同一組主題的術語

來源

參考來源:en.wikipedia.org

其他格式:Markdown 版本