什麼是正態分布？正態分布（Normal Distribution），也被稱為高斯分布，代表著概率的分布情況，是統計學中的一個重要概念。
在科學理論不甚發達的過去，早期科學家們往往先從觀察事物現象開始，發現、記錄並試圖歸納、總結，最後抽象出背後的規律。
當一組觀察數據或樣本涉及到「平均」和「偏差」時，它們出現的頻率往往會被描繪成下面這條曲線：
圖自百度百科
圖中橫軸代表著樣本數值，縱軸則是某一樣本數值對應的出現概率，其中這條曲線即正態分布曲線。
觀察這個圖形，正態曲線呈現出「鍾」形，以 x=μ （均數所在的位置）為中心左右對稱。曲線與橫軸無窮接近，合成的面積為 1，代表所有樣本出現的概率之和為 100%。
以數學的語言描繪這條曲線，
公式中包含兩個參數，期望（均數）μ 和標準差 σ。
我們也常用更簡化的形式描述什麼是正態分布：N(μ,σ^2)；μ 代表著分布的集中趨勢，橫軸上離 μ 越接近的值，出現的概率越大； σ^2 （方差）代表數據分布的離散程度，σ 越大，數據分布越分散，曲線越「矮胖」。
事實上，很多變量（包括生成製造、科學實驗、一部分自然界現象）的分布都接近正態分布，比如一群人的身高或腳的大小，我每天上班所需要的時間，一個班級裡所有學生的語文成績。
之所以會出現這種規律，是由於上述樣本基於大量隨機變量上重複「實驗」，就像我每天都上班 = 重複（唉），而地鐵有沒有擠到兩趟都上不去、我有沒有因為玩手機而坐過站、步行的兩個路口遇到了紅燈還是綠燈等這些變量 = 隨機。
其背後的理論支撐叫做中心極限定理（對數學史感興趣的朋友可以點擊n重伯努利試驗進一步了解）。
了解了什麼是正態分布，對我們有什麼用呢？
你可以試著找到現實生活中類似「上班時長」的重複隨機事件，記錄不同的情況出現的次數，統計頻率並描繪成圖（Excel 就可以輕鬆實現），檢查下它的形狀，是否接近正態分布。
當你積累足夠多的數據，出現某種「神秘」的規律特徵後，未發生的事件會大概率落在一個可信的區間內。
相信讀到這裡，你已經大致了解了什麼是正態分布，並可以在生活中發現它的存在，並利用它來「預測未來」。