问标准正态分布函数公式 累积分布函数详解

标准正态分布函数公式为Φ(x) = (1 / √(2π)) ∫_{-∞}^{x} e^{-t²/2} dt，该公式描述了均值为0、标准差为1的正态分布的概率累积情况。 其核心在于将任意实数x映射到从负无穷到x的密度曲线下的面积，即随机变量小于等于x的概率。该公式广泛应用在统计推断、假设检验、机器学习中的概率校准以及质量控制的6σ管理中。实际计算时通常借助标准正态分布表或编程语言中的内置函数（如Python的scipy.stats.norm.cdf），而无需手动积分。理解该公式的关键是掌握对称性：Φ(-x) = 1 - Φ(x)，以及分位点与置信区间的关系，例如Φ(1.96) ≈ 0.975对应95%的置信水平。

【常见问题】

问题1：标准正态分布函数公式和概率密度函数有何区别？

回答1：标准正态分布函数公式是累积分布函数（CDF），给出概率累积值；而概率密度函数（PDF）为φ(x) = (1 / √(2π)) e^{-x²/2}，描述密度曲线的形状。两者通过积分关系联系：Φ(x) = ∫_{-∞}^{x} φ(t) dt。

问题2：如何用标准正态分布函数公式计算非标准正态分布的概率？

回答2：对任意正态分布X ~ N(μ, σ²)，先通过标准化变换Z = (X - μ) / σ，再使用标准正态分布函数公式Φ(z)计算概率，即P(X ≤ x) = Φ((x - μ) / σ)。

问题3：标准正态分布函数公式在假设检验中如何应用？

回答3：在z检验中，计算检验统计量z后，通过标准正态分布函数公式得到p值：若为双侧检验，p = 2 × (1 - Φ(z))；单侧检验则直接用1 - Φ(z)或Φ(z)，根据备择假设方向决定。