一、正態(tài)分布與股票走勢有毛關(guān)系？

其實(shí)還是有點(diǎn)關(guān)系的，給你舉個(gè)例子。那么甲乙兩人買(mǎi)A股票的總錢(qián)數就可能會(huì )是二百塊，零塊 [甲買(mǎi)乙賣(mài)或甲賣(mài)乙買(mǎi)]，或負二百塊（賣(mài)，可用負數表達。）。乙買(mǎi)A股票一百塊和賣(mài)A股票一百塊的概率也各為1/2。P(二百塊)=1/4。這時(shí)你已經(jīng)看出一些正態(tài)分布的雛形了：中間高，兩邊低。比如說(shuō)，甲買(mǎi)A股票一百塊和賣(mài)A股票一百塊的概率各為1/2。你可以想象一下很多人買(mǎi)賣(mài)A股票的情形了。P(負二百塊)=1/4。當N趨于無(wú)窮大時(shí)，和的分布就是正態(tài)的。不是賠的意思。P(零塊)=1/2。

二、正態(tài)分布怎么做

P.S.拉普拉斯和高斯研究了它的性質(zhì)。正態(tài)分布（Normal distribution），也稱(chēng)“常態(tài)分布”，又名高斯分布（Gaussian distribution），最早由A.棣莫弗在求二項分布的漸近公式中得到。C.F.高斯在研究測量誤差時(shí)從另一個(gè)角度導出了它。當μ = 0,σ = 1時(shí)的正態(tài)分布是標準正態(tài)分布。是一個(gè)在數學(xué)、物理及工程等領(lǐng)域都非常重要的概率分布，在統計學(xué)的許多方面有著(zhù)重大的影響力。其概率密度函數為正態(tài)分布的期望值μ決定了其位置，其標準差σ決定了分布的幅度。若隨機變量X服從一個(gè)數學(xué)期望為μ、方差為σ^2的正態(tài)分布，記為N(μ，σ^2)。正態(tài)曲線(xiàn)呈鐘型，兩頭低，中間高，左右對稱(chēng)因其曲線(xiàn)呈鐘形，因此人們又經(jīng)常稱(chēng)之為鐘形曲線(xiàn)。

三、請問(wèn)有一組數據，如何畫(huà)出正態(tài)分布圖？

展開(kāi)全部最多或最大的為中間，第二大在左第三大在右這樣交叉畫(huà)?？梢杂胢athlab畫(huà)正態(tài)分布。

四、Excel 怎樣制作出上證成交量正態(tài)分布圖和直方圖

Excel 制作出上證成交量正態(tài)分布圖和直方圖方法詳見(jiàn)：https://wenku.baidu.com/view/b581f29ba98271fe900ef97a.html。

五、怎樣求正態(tài)分布?

正態(tài)分布（Normal distribution）又名高斯分布（Gaussian distribution），是一個(gè)在數學(xué)、物理及工程等領(lǐng)域都非常重要的概率分布，在統計學(xué)的許多方面有著(zhù)重大的影響力?！　】傊?，正態(tài)分布論是科學(xué)的世界觀(guān)，也是科學(xué)的方法論，是我們認識和改造世界的最重要和最根本的工具之一，對我們的理論和實(shí)踐有重要的指導意義。無(wú)論是自然、社會(huì )還是人類(lèi)的思維都明顯的遵循這這樣一個(gè)過(guò)程。例如，遺傳是常態(tài)，變異是非常態(tài)。以正態(tài)哲學(xué)認識世界，能更好的認識和把握世界的本質(zhì)和規律，以正態(tài)哲學(xué)來(lái)改造世界，能更好的在尊重和利用客觀(guān)規律，更有效的改造世界。準確的把握事物或者事件所處的歷史過(guò)程和階段極大的有助于掌握我們對事物、事件的特征和性質(zhì)，是我們分析問(wèn)題，采取對策和解決問(wèn)題的重要基礎和依據。若隨機變量X服從一個(gè)數學(xué)期望為μ、方差為σ^2的高斯分布，記為N(μ，σ^2)。其概率密度函數為正態(tài)分布的期望值μ決定了其位置，其標準差σ決定了分布的幅度。因其曲線(xiàn)呈鐘形，因此人們又經(jīng)常稱(chēng)之為鐘形曲線(xiàn)。我們通常所說(shuō)的標準正態(tài)分布是μ = 0,σ = 1的正態(tài)分布。發(fā)展的階段不同，性質(zhì)和特征也不同，分析和解決問(wèn)題的辦法要與此相適應，這就是具體問(wèn)題具體分析，也是解放思想、實(shí)事求是、與時(shí)俱樂(lè )進(jìn)的精髓?！　【鶆蜃儎?dòng)性：正態(tài)曲線(xiàn)由均數所在處開(kāi)始，分別向左右兩側逐漸均勻下降?！　≌龖B(tài)分布有以下特征：　　集中性：正態(tài)曲線(xiàn)的高峰位于正中央，即均數所在的位置。正態(tài)發(fā)展的特點(diǎn)還啟示我們，事物發(fā)展大都是漸進(jìn)的和累積的，走漸進(jìn)發(fā)展的道路是事物發(fā)展的常態(tài)。對稱(chēng)性：正態(tài)曲線(xiàn)以均數為中心，左右對稱(chēng)，曲線(xiàn)兩端永遠不與橫軸相交?！　∪绻覀儼颜龖B(tài)分布看做是任何一個(gè)系統或者事物的發(fā)展過(guò)程的話(huà)，我們明顯的看到這個(gè)過(guò)程經(jīng)歷著(zhù)從負區到基區再到正區的過(guò)程。

六、服從正態(tài)分布的條件

當現象受到許多相互獨立的隨機因素的影響，如果每個(gè)因素所產(chǎn)生的影響都很微小時(shí)，總的影響可以看作是服從正態(tài)分布的.但是最好有實(shí)驗數據，做正態(tài)性檢測，才能準確的判斷粗略判斷的話(huà)你說(shuō)那三個(gè)都是（正常情況下，比如第一個(gè)球隊里不能都是超人，第二個(gè)那人不能是吸血鬼之類(lèi)），因為這些事情的結果受到很多條件的限制，比如球隊那個(gè)會(huì )受到比方說(shuō)天氣、球員發(fā)揮狀況、對手球隊的狀況、甚至這支球隊使用的球鞋的性能等等，可以列舉出大量的對結果有影響的微小因素，那么整體就近似服從正態(tài)分布。你應該記得引入正態(tài)分布的實(shí)驗是一個(gè)個(gè)小球往下滾碰到釘子的，這個(gè)實(shí)驗之所以說(shuō)是近似服從正態(tài)分布就是因為碰到每個(gè)釘子后的結果都可以看做微小分布，所以大量微小因素的影響形成累積，從而導致結果服從正態(tài)分布。當然，精確的判斷要借助正態(tài)性檢驗，作出正態(tài)概率圖進(jìn)行檢驗，這就要專(zhuān)業(yè)知識和軟件咯，如果你有興趣可以再去查查，統計學(xué)里的。

七、如何畫(huà)正態(tài)分布曲線(xiàn)

. >。 y=normpdf(x,0,1)。x'。 plot(t,y) ??? Undefined function or variable '。x'。.。 u=int(y,0,t)。>。 plot(t,y) ??? Function '。double'。. 用matlab是這樣畫(huà)的>。 y=normpdf(x,0,1)。 t=0:1:1000。x=0:1:1000。 is not defined for values of class '。int'。>。 t=0:1:1000。>。 u=int(y,0,t)。 plot(t,y) ??? Undefined function or variable '。 t=0:1:1000。>。 y=normpdf(x,0,1)。 u=int(y,0,t)。