---
title: "常態分佈（Normal Distribution）"
slug: normal-distribution
language: zh-TW
source: https://aiterms.tw/terms/normal-distribution
updated_at: 2026-04-29
tags: [統計方法, 機器學習, 資料處理, 數學基礎, 模型訓練, 模型評估]
ipas_term: false
---

# 常態分佈（Normal Distribution）

> **你有沒有注意過，很多自然現象都會圍著平均值上下波動？**
> 你可以把它想成大多數人都靠近中間，只有少數人特別高或特別矮的那種鐘形分佈。
> 常態分佈是統計裡最重要的分佈之一，很多測量誤差和自然變異都接近它。 這也讓它很適合先拿到可用答案，再慢慢把精度往上推。
>
### 容易混淆

> **常態分佈 vs 均勻分佈**
> 常態分佈：中間多、兩邊少
> 均勻分佈：每個區間機會差不多
> 最關鍵的區別：先看它是在比什麼，再看它怎麼做。
>
> **常態分佈 vs 偏態分佈**
> 常態分佈：左右對稱
> 偏態分佈：一邊拖尾比較長
> 最關鍵的區別：先看它是在比什麼，再看它怎麼做。
>
### 記住這句就好

> 大多數值靠中間，少數值在兩邊。
>
### 實際案例

> **身高**
> 成年人的身高常在平均值附近聚集，極端高或極端矮都少。
>
> **量測誤差**
> 儀器每次量到的值會微微晃動，常接近常態分佈。
>
### 算法與應用

> 常態分佈由平均數和標準差決定形狀。
> 很多統計方法之所以好用，就是因為中央極限定理讓它們很常接近常態。
> 如果資料明顯偏斜，就不能硬當成常態。
>
### 情境判斷

> **Q1（直覺題）：你量很多次同一個人的身高，結果大多在平均附近，這像什麼分佈？**
> → 常態分佈。
>
> **Q2（判斷題）：如果資料一邊很長尾，還能直接當常態嗎？**
> → 不一定，得先看偏態和尾巴長度。
>
### 常見問題

> **Q：標準常態分佈是什麼？**
> 就是平均數 0、標準差 1 的常態分佈。
>
> **Q：它一定出現在自然界嗎？**
> 不是，但很多獨立誤差加總後會接近它。
>
> **Q：為什麼機器學習常看到它？**
> 因為很多模型、評估和誤差分析都會用到。
>
### 相關術語

> - **機率分佈**：常態分佈是最常見的分佈之一。
> - **Z 分數**：標準化後常直接和它一起用。
> - **共變異數**：常一起看兩個變數怎麼動。
> - **相關係數**：判斷變數關係時最常一起比較。
> - **交叉驗證**：做模型評估時常會一起討論。

---

來源：https://aiterms.tw/terms/normal-distribution
快查頁：https://aiterms.tw/terms/normal-distribution
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-normal-distribution