高斯分布，也称正态分布，又称常态分布。
对于随机变量X，其概率密度函数如图所示。称其分布为高斯分布或正态分布，记为N（μ，σ2），其中为分布的参数，分别为高斯分布的期望和方差。
当有确定值时，p(x)也就确定了，特别当μ=0，σ2=1时，X的分布为标准正态分布。μ正态分布最早由棣莫佛于1730年在求二项分布的渐近公式时得到。
后拉普拉斯于1812年研究极限定理时也被引入；高斯（Gauss）则于1809年在研究误差理论时也导出了它。高斯分布的函数图象是一条位于x轴上方呈钟形的曲线，称为高斯分布曲线，简称高斯曲线。
高斯分布的特征：
变量的频数分布由μ、σ完全决定。
(1)μ是正态分布的位置参数，描述正态分布的集中趋势位置。正态分布以X=μ为对称轴，左右完全对称。正态分布的均数、中位数、众数相同，均等于μ。
(2)σ描述正态分布资料数据分布的离散程度，σ越大，数据分布越分散，σ越小，数据分布越集中。也称为是正态分布的形状参数，σ越大，曲线越扁平，反之，σ越小，曲线越瘦高。
高斯分布,也称正态分布,又称常态分布.对于随机变量X,其概率密度函数如图所示.称其分布为高斯分布或正态分布,记为N（μ,σ2）,其中为分布的参数,分别为高斯分布的期望和方差.当有确定值时,p(x)也就确定了,特别当μ=0,σ2=1时,X的分布为标准正态分布.μ正态分布最早由棣莫佛于1730年在求二项分布的渐近公式时得到；后拉普拉斯于1812年研究极限定理时也被引入；高斯（Gauss）则于1809年在研究误差理论时也导出了它.高斯分布的函数图象是一条位于x轴上方呈钟形的曲线,称为高斯分布曲线,简称高斯曲线.
高斯以他那令人惊叹的、孩子气的天才意识到了这一点。直到他80岁高龄与世长辞时，仍然保持了这种天才。1795年，18岁的高斯进入格丁根大学读书，其时他已经解决了有关一系列观察中固有的误差的最佳估算问题。
当一位观察者在观察一颗星时，他知道有大量的致误因素。于是，他阅读若干观察记录，自然希望这颗星的位置的最佳估计是一个平均数——即散布的中心。迄今为止，这一点不言自明。然而，高斯却要进一步研究这种误差的分布告诉了人们什么。他提出了高斯曲线（the Gaussian curve），使这种离散性可以由这种曲线的偏离或分布来概括。由此产生了一个具有深远意义的观点：这条曲线标明了不确定的区域。我们不能肯定曲线的中心是否就是那确凿无误的位置。我们只能说：“它位于不确定的区域”，而这个位置可以根据个别观察中所得出的分布情况计算出来。
高斯曲线，又叫做gaussian curve，是正态分布中的一条标准曲线。
卡尔·弗里德里奇·高斯（Carl Friedrich Gauss）在格丁根（Gottingen）的那座天文台是大约于1807年建成的。在他的整个一生中，从那时起：近200年的大部分时间里，天文仪器不断得到改进。我们今天所看到的一颗星辰的位置，在当时已被人们多次确定，因此，在我们看来，我们的观察似乎越来越趋于精确。但是，当我们将各次观察结果加以比较时，我们就会惊奇而懊丧地发现，它们仍然散乱无序。人们曾经希望观察的偏差终会消失，人们也会像上帝那样洞烛幽微的。但是，事实上，错误仍无法从观察中根除。无论是观察群星、原子、人的照片，还是听某人的讲演，都是这样。
GraphView中的高斯函数方程：y=1/(0.4sqrt(2pi))e^(-0.5((x-1)/0.4)^2)
高斯曲线1，又叫做gaussian curve，是正态分布中的一条标准曲线。
是的。
粉末的粒径分布理论上应呈正态分布即高斯曲线，反映在图上就是在某个中心点两侧粉末的粒径均匀地减少或增大，在中心点处峰值明显，而且必须是单峰分布。
粒度分布图是一个正态分布曲线，横坐标是粒径，纵坐标是粒子百分比对粒径的一阶导数。对曲线作定积分，就可以算出相应的D值。比如D90就是百之九十的粒子的最大粒径。一般的工作站都能设定D值自行计算的。
本文转载自互联网，如有侵权，联系删除
