Binaryoptions.com 根据严格的编辑指南发布所有文章。通过我们经验丰富的作者和控制系统，我们发布经过事实检查和验证的内容。我们还通过最新信息更新我们现有的内容，并为我们的读者提供最新消息。 
假设您想知道概率和经济学中最重要的连续概率分布。在这种情况下，正态分布可能会满足您的想法。有人将其称为高斯分布和钟形曲线。
使用正态分布，许多随机变量在经济学和交易中都有体现。此外，交易者还可以利用它来获得其他概率分布。因此，在分析数据时，它非常重要。让我们更多地了解正态分布、它的定义和示例。
正态分布定义
为了理解正态分布，让我们假设一个密度函数，其中 f(x) 是它的概率，X 是一个随机变量。因此，它定义了一个在范围之间集成的函数 (x 到 x + dx).它通过考虑之间的值进一步给出 X 的概率 X 和 x+dx.
f(x) ≥ 0 ∀ x ϵ (−∞,+∞)
和 -∞∫+∞ f(x) = 1
最后，我们可以说正态分布是系统中连续随机变量的概率密度函数。
正态分布公式
您可以使用以下公式找到高斯分布的概率密度函数：
在哪里：
- X 是变量
- μ 代表平均值
- σ 指标准差
正态分布曲线
正态分布曲线通常是钟形的。这就是为什么钟形曲线是这条分布曲线的别称。在正态分布中，随机变量可以取给定范围内的任何未知值。您也可以将这些随机变量称为连续变量。
例如，学校中的学生身高在 0 到 6 英尺的范围内。但是，这个范围受到人类身体限制的影响。
实际上，变量的范围甚至可以从 –∞ 到 + ∞.这里的正态分布将提供该值位于实验特定范围内的概率。假设您没有太多时间来进行所有计算。在这种情况下，您可以使用正态分布计算器通过提供标准差和平均值来查找概率密度。
正态分布标准差
通常，标准偏差在正态分布中为正。在正态分布曲线中，均值决定了对称线。相比之下，标准偏差定义了数据的传播范围。
较小的标准偏差将导致更窄的图形，反之亦然。
如果我们使用标准差，可验证规则规定：
- 平均值的一个标准差包含大约 68% 的数据。
- 95% 的近似数据落在平均值的两个标准差内。
- 三个平均标准差有大约 99.7% 的总数据。
因此，我们也将经验规则称为 68 – 95 – 99.7 规则。
正态分布示例
假设随机变量的值为 2。如果平均值为 5，标准差为 4，则可以通过概率密度公式找到正态分布：
f(2,2,4) = 1/(4√2π) e0
f(2,2,4) = 0.0997
平均值和标准差是正态分布的两个重要参数。没有它们，您将无法找到正态分布并将其与其他交易指标一起使用以做出准确的决策。
