一、正態(tài)分布與股票走勢有毛關(guān)系？

其實還是有點關(guān)系的，給你舉個例子。那么甲乙兩人買A股票的總錢數(shù)就可能會是二百塊，零塊 [甲買乙賣或甲賣乙買]，或負(fù)二百塊（賣，可用負(fù)數(shù)表達。）。乙買A股票一百塊和賣A股票一百塊的概率也各為1/2。P(二百塊)=1/4。這時你已經(jīng)看出一些正態(tài)分布的雛形了：中間高，兩邊低。比如說，甲買A股票一百塊和賣A股票一百塊的概率各為1/2。你可以想象一下很多人買賣A股票的情形了。P(負(fù)二百塊)=1/4。當(dāng)N趨于無窮大時，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“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從另一個角度導(dǎo)出了它。當(dāng)μ = 0,σ = 1時的正態(tài)分布是標(biāo)準(zhǔn)正態(tài)分布。是一個在數(shù)學(xué)、物理及工程等領(lǐng)域都非常重要的概率分布，在統(tǒng)計學(xué)的許多方面有著重大的影響力。其概率密度函數(shù)為正態(tài)分布的期望值μ決定了其位置，其標(biāo)準(zhǔn)差σ決定了分布的幅度。若隨機變量X服從一個數(shù)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)曲線呈鐘型，兩頭低，中間高，左右對稱因其曲線呈鐘形，因此人們又經(jīng)常稱之為鐘形曲線。

三、請問有一組數(shù)據(jù)，如何畫出正態(tài)分布圖？

展開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?？梢杂胢athlab畫正態(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：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），是一個在數(shù)學(xué)、物理及工程等領(lǐng)域都非常重要的概率分布，在統(tǒng)計學(xué)的許多方面有著重大的影響力。　　總之，正態(tài)分布論是科學(xué)的世界觀，也是科學(xué)的方法論，是我們認(rèn)識和改造世界的最重要和最根本的工具之一，對我們的理論和實踐有重要的指導(dǎo)意義。無論是自然、社會還是人類的思維都明顯的遵循這這樣一個過程。例如，遺傳是常態(tài)，變異是非常態(tài)。以正態(tài)哲學(xué)認(rèn)識世界，能更好的認(rèn)識和把握世界的本質(zhì)和規(guī)律，以正態(tài)哲學(xué)來改造世界，能更好的在尊重和利用客觀規(guī)律，更有效的改造世界。準(zhǔn)確的把握事物或者事件所處的歷史過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)，是我們分析問題，采取對策和解決問題的重要基礎(chǔ)和依據(jù)。若隨機變量X服從一個數(shù)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(shù)為正態(tài)分布的期望值μ決定了其位置，其標(biāo)準(zhǔn)差σ決定了分布的幅度。因其曲線呈鐘形，因此人們又經(jīng)常稱之為鐘形曲線。我們通常所說的標(biāo)準(zhǔn)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，分析和解決問題的辦法要與此相適應(yīng)，這就是具體問題具體分析，也是解放思想、實事求是、與時俱樂進的精髓?！　【鶆蜃儎有裕赫龖B(tài)曲線由均數(shù)所在處開始，分別向左右兩側(cè)逐漸均勻下降?！　≌龖B(tài)分布有以下特征：　　集中性：正態(tài)曲線的高峰位于正中央，即均數(shù)所在的位置。正態(tài)發(fā)展的特點還啟示我們，事物發(fā)展大都是漸進的和累積的，走漸進發(fā)展的道路是事物發(fā)展的常態(tài)。對稱性：正態(tài)曲線以均數(shù)為中心，左右對稱，曲線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系統(tǒng)或者事物的發(fā)展過程的話，我們明顯的看到這個過程經(jīng)歷著從負(fù)區(qū)到基區(qū)再到正區(qū)的過程。

六、服從正態(tài)分布的條件

當(dāng)現(xiàn)象受到許多相互獨立的隨機因素的影響，如果每個因素所產(chǎn)生的影響都很微小時，總的影響可以看作是服從正態(tài)分布的.但是最好有實驗數(shù)據(jù)，做正態(tài)性檢測，才能準(zhǔn)確的判斷粗略判斷的話你說那三個都是（正常情況下，比如第一個球隊里不能都是超人，第二個那人不能是吸血鬼之類），因為這些事情的結(jié)果受到很多條件的限制，比如球隊那個會受到比方說天氣、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(jié)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(yīng)該記得引入正態(tài)分布的實驗是一個個小球往下滾碰到釘子的，這個實驗之所以說是近似服從正態(tài)分布就是因為碰到每個釘子后的結(jié)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(dǎo)致結(jié)果服從正態(tài)分布。當(dāng)然，精確的判斷要借助正態(tài)性檢驗，作出正態(tài)概率圖進行檢驗，這就要專業(yè)知識和軟件咯，如果你有興趣可以再去查查，統(tǒng)計學(xué)里的。

七、如何畫正態(tài)分布曲線

. >。 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)。