正态分布转化为标准正态分布的公式是如何推导的

教育知识 2026-03-27 00:24:25 徐祥盛

【正态分布转化为标准正态分布的公式是如何推导的】在统计学中，正态分布是一种非常重要的概率分布，广泛应用于数据分析、质量控制、金融建模等多个领域。然而，由于正态分布的参数（均值和方差）可能各不相同，直接比较或计算不同正态分布的概率会变得复杂。因此，我们通常需要将一般的正态分布转换为标准正态分布，以便于统一分析和计算。

一、正态分布与标准正态分布的定义

- 正态分布：设随机变量 $ X \sim N(\mu, \sigma^2) $，表示 $ X $ 服从均值为 $ \mu $、方差为 $ \sigma^2 $ 的正态分布。

- 标准正态分布：设随机变量 $ Z \sim N(0, 1) $，表示 $ Z $ 服从均值为 0、方差为 1 的正态分布。

二、转化公式的推导过程

要将一个正态分布 $ X \sim N(\mu, \sigma^2) $ 转化为标准正态分布 $ Z \sim N(0, 1) $，我们需要对 $ X $ 进行标准化处理。其核心思想是通过线性变换，使新的变量具有均值为 0、方差为 1 的特性。

1. 线性变换的数学表达

设：

Z = \frac{X - \mu}{\sigma}

其中：

- $ X $ 是原始正态变量；

- $ \mu $ 是 $ X $ 的均值；

- $ \sigma $ 是 $ X $ 的标准差；

- $ Z $ 是标准化后的变量。

2. 验证标准化后的变量是否符合标准正态分布

我们可以通过以下方式验证：

- 均值：

E(Z) = E\left(\frac{X - \mu}{\sigma}\right) = \frac{E(X) - \mu}{\sigma} = \frac{\mu - \mu}{\sigma} = 0

- 方差：

Var(Z) = Var\left(\frac{X - \mu}{\sigma}\right) = \frac{1}{\sigma^2}Var(X) = \frac{\sigma^2}{\sigma^2} = 1

因此，$ Z $ 的均值为 0，方差为 1，满足标准正态分布的条件。

三、总结与对比

概念	正态分布 $ X \sim N(\mu, \sigma^2) $	标准正态分布 $ Z \sim N(0, 1) $
均值	$ \mu $	0
方差	$ \sigma^2 $	1
转换公式	$ Z = \frac{X - \mu}{\sigma} $	无变换
用途	描述实际数据分布	统一比较和计算

四、应用实例

假设某次考试成绩服从正态分布 $ N(70, 10^2) $，即平均分为 70，标准差为 10。若某位考生得分为 85 分，则其对应的标准化分数为：

Z = \frac{85 - 70}{10} = 1.5

这表示该生的成绩在标准正态分布中位于均值上方 1.5 个标准差的位置，便于与其他考生进行比较。

五、小结

正态分布转化为标准正态分布的公式 $ Z = \frac{X - \mu}{\sigma} $ 是通过线性变换实现的，其核心目的是消除原始分布的均值和标准差的影响，使得不同正态分布的数据可以统一到一个标准尺度上进行分析和比较。这一方法在统计学中具有广泛应用价值，是理解概率分布和进行统计推断的重要基础。