---
title: "常態分佈（Normal Distribution）"
slug: normal-distribution
language: zh-TW
source: https://aiterms.tw/terms/normal-distribution
updated_at: 2026-07-29
tags: [統計方法, 機器學習, 資料處理, 數學基礎, 模型訓練, 模型評估]
ipas_term: false
---

# 常態分佈（Normal Distribution）

> **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。 這也讓它很適合先拿到可用答案，再慢慢把精度往上推。
>
### 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
> 最關鍵的區別：先看它是在比什麼，再看它怎麼做。
>
> **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
> 最關鍵的區別：先看它是在比什麼，再看它怎麼做。
>
### 記住這句就好

> 大多數值靠中間，少數值在兩邊。
>
### 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。
>
### 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

| 中文 | 英文 | 備註 |
| --- | --- | --- |
| 常態分布 | normal distribution | 台灣統計教材的標準譯法 |
| 常態分佈 | normal distribution | 同上，「佈」與「布」兩種寫法都通行 |
| 正態分布 | normal distribution | 中國大陸用語 |
| 高斯分布 | Gaussian distribution | 同一個東西，工程與機器學習文獻常用這個名字 |
| 標準常態分布 | standard normal distribution | 平均 0、標準差 1 的那一個特例 |
| 鐘形曲線 | bell curve | 口語說法，指它的形狀 |

> 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。

### 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

> **Q：標準常態分佈是什麼？**
> 就是平均數 0、標準差 1 的常態分佈。
>
> **Q：它一定出現在自然界嗎？**
> 不是，但很多獨立誤差加總後會接近它。
>
> **Q：為什麼機器學習常看到它？**
> 因為很多模型、評估和誤差分析都會用到。
>
### 相關術語

> - **機率分佈**：常態分佈是最常見的分佈之一。
> - **Z 分數**：標準化後常直接和它一起用。
> - **共變異數**：常一起看兩個變數怎麼動。
> - **相關係數**：判斷變數關係時最常一起比較。
> - **交叉驗證**：做模型評估時常會一起討論。

---

來源：https://aiterms.tw/terms/normal-distribution
快查頁：https://aiterms.tw/terms/normal-distribution
最後更新：2026/07/29
深度解說：https://aiterms.tw/learning/what-is-normal-distribution