正態分佈圖在資料分析中的應用例子
當我們面對一堆龐大的資料，且需要從中尋找某種規律時，往往不知如何下手。最近我在處理油耗資料時，就碰到了這樣的難題，偶然間記得機率統計中存在一種比較特殊的資料分佈方式，即所謂的正態分佈
從維基百科中搜到的結果是“正態分佈是自然科學與行為科學中的定量現象的一個方便模型。各種各樣的心理學測試分數和物理現象比如光子 計數都被發現近似地服從常態分佈。儘管這些現象的根本原因經常是未知的， 理論上可以證明如果把許多小作用加起來看做一個變數，那麼這個變數服從正態分佈”，如
圖1
既然這樣，那我何不驗證一下呢?進一步閱讀相關文章後，對機率統計方法的.相關要求和步驟有了初步的瞭解，為便於瞭解，用圖2來表示推斷過程
在總體資料量不大的情況下，我傾向於用總體做為分析依據，以減少樣本抽取的誤差
在上圖所示四步中，用統計工具進行分析的過程是最需引起重視的，大概有兩點：
1.對總體(或樣本)資料的分組。由於油耗屬於連續型變數，不同變數之間的變化非常小，我採用較多陣列的組距分組方式
2.求平均值。資料分佈不同，平均值的計算方法也有不同，最常用的是算術平均值，在呈正態分佈的資料中，它與中位數(Median)和眾數(Mode)的計算結果基本一致，且機率密度函式(Normdist)也是預設算術平均值的計算方式
實際操作一遍:
1.準備統計資料
2.求中間引數值
3.求頻率(Frequency)和機率(Normdist)
4.用第3步的函式計算結果分別作柱形圖和折線圖
5.客觀推論最後得下圖
推論之一：上圖資料分佈的趨勢比較明顯，油耗值趨向於柱形最高的區域集中，且波動範圍較小，說明對應車輛的油耗比較穩定