正态分布标准化的公式
正态分布标准化的公式：Y=（X-μ）/σ～N（0，1）
证明；因为X～N（μ，σ^2），所以P（x）=（2π）^（-1/2）*σ^（-1）*exp{[-（x-μ）^2]/（2σ^2）}。
注：F（y）为Y的分布函数，Fx（x）为X的分布函数。
而F（y）=P（Y≤y）=P（（X-μ）/σ≤y）=P（X≤σy+μ）=Fx（σy+μ）。
所以p（y）=F'（y）=F'x（σy+μ）*σ=P（σy+μ）*σ=[（2π）^（-1/2）]*e^[-（x^2）/2]。从而，N（0，1）。正态分布标准化的意义是可以方便计算，是一种统计学概念。
原本的正态分布图形有高矮胖瘦不同的形态，实际上是积分变换的必然结果，就好比是：
1.y=kx+b直线，它不一定过原点的，但是通过变换就可以了：大Y=y-b；大X=kx；===>大Y=大X。
2.y=a*b乘积，通过变换就可以变成加法运算：Ln（y）=Lna+Lnb。
3.y=ax²+bx+c通过变换就可以变成标准形式：y=a（x+b/（2a））²+（c-b²/（4a））。
正态分布的标准化也只不过是“积分变换”而已，虽然高矮胖瘦不同的形态，但是变量的线性伸缩变换并不改变其量化特性，虽然标准化以后都变成期望是0，方差是1的标准分布了，但这种因变量自变量的依赖关系仍然存在，不用担心会“质变”。
正态分布如何进行标准化？急！
惹X～N（p，k＾2）的正态分布，则Z＝（X－p）／k～N（0，1）的标准正态分布，即统计量减期望值后除以方差。
假设X～N（μ，σ＾2），则Y＝（X－μ）／σ～N（0，1）．证明；因为X～N（μ，σ＾2），所以P（x）＝（2π）＾（－1／2）＊σ＾（－1）＊exp｛［－（x－μ）＾2］／（2σ＾2）｝
（注：F（y）为Y的分布函数，Fx（x）为X的分布函数）
扩展资料
标准正态分布又称为u分布，是以0为均数、以1为标准差的正态分布，记为N（0，1）。
标准正态分布曲线下面积分布规律是：在－1．96～＋1．96范围内曲线下的面积等于0．9500，在－2．58～＋2．58范围内曲线下面积为0．9900。统计学家还制定了一张统计用表（自由度为∞时），借助该表就可以估计出某些特殊u1和u2值范围内的曲线下面积。
统计学 一般正态分布如何转换成标准的正态分布？
一般正态分布的x值减去其均值再除以其西格玛水平所得的z值就是对应标准正态分布的x值。再通过标准正态分布表就可以算出其概率。这时候的z值也是这个一般正态分布在这个概率下的西格玛水平。
求证：假设X～N(μ,σ^2),则Y=(X-μ)/σ～N(0,1).
证明：因为X～N(μ,σ^2),
所以P(x)=(2π)^(-1/2)*σ^(-1)*exp{[-(x-μ)^2]/(2σ^2)}.
(注：F(y)为Y的分布函数,Fx(x)为X的分布函数）
而 F(y)=P(Y≤y)=P((X-μ)/σ≤y)
=P(X≤σy+μ)=Fx(σy+μ)
所以 p(y)=F'(y)=F'x(σy+μ)*σ=P(σy+μ)*σ
=[(2π)^(-1/2)]*e^[-（x^2)/2].
从而,N(0,1).
