Simone
正态分布不为自然界中最普遍的一种分布，也是统计学中应用最广泛的一组连续型分布；因为他是被高斯推广演进，因此又叫高斯分布；为了解释什么叫做正态分布，我们一同做一个实验； 在大街上大家经常会看到一些小的赌博游戏，博一下运气的那种，其中有一种叫做滚钉板，如下图： 一个小球在顶部下落，奖品在底部，只要您能够到达底部对应的位置就可以得到底部的奖品，很多人都希望试一下自己的运气，可往往天不遂人愿，这些不是命运的问题，而是庄家懂得正态分布的原理，假设我们不断的从顶部投球下来，记录每一次球的落点，我们就会发现一个奇怪的现象； 投下的所有球主要都集中在中间的位置，也就是庄家放小奖品的位置，而两边的放大奖的位置则基本没有任何球落在里面过；这就是正态分布的形式，中间居多，两边对称分布； 先对正态分布下一个数学上的定义：如果变量X的概率密度函数符合下面的公式，这我们称之为x服从均数为μ，方差为σ平方的正态分布； 这个时候我们将这个函数叫做符合下图的正态分布； 当变量中的μ改变时，分布的形状不变，但中心值开始不断的变化，左右移动； 当σ变化时，曲线的如好中心值不变化，只是曲线变高或者变矮，但曲线下面所包含的的面积没有改变； 世界上大部分的连续分布都符合正态分布，比如人的身高、体重、麦穗的重量、纤维的强度，螺丝的精度，零件的尺寸等只要他是连续的分布都是符合正态分布的特点的；那么正态分布在精益以及品质中有什么用呢？这个就要联系到马上要进行讲解的西格玛了； 西格玛是什么？从正态分布来讲西格玛就是产品性能的集中度，如上面一张图，当西格玛越小的时候，图形就越向中心集中，所以西格玛代表的是精度，而μ代表的则是准度；用打枪作为例子的话，就是说当您的西格玛越小的时候，你每一枪之间的差异就会越小，反之就会越大，当西格玛大道一定值时，就说明你的每一枪能否上靶还是一个未知数；而μ则代表唤庆打枪的准确程度，是否能够打到靶心，如果μ与标准中心值很接近则说明枪法很准，会有一定的概率能够打到10环，而当μ越偏离时，则可能就没有办法打到10环上面了； 那打在靶上的概率是多少呢？或者我们前面说的落在大奖上的概率是多大？我们从中心值开始向两边分别以西格玛为单位，对积分进行分割，我们会发现，当一倍的西格玛时，曲线下的概率是68.26%；当扩展到两倍的西格玛时，曲线下的概率为95.44%；当扩展到三倍的西格玛时，曲线下的概率就变成了99.74%；整体变化接近于下面三张和橡握图： 因此这里的西格玛就是衡量产品规格宽度的变量，如果产品制程中的西格玛越好的话，生产出良品的概率越高；或者说产品的规格越宽的话生产出良品的概率就越高； 做一个本篇文章的小结：如果您设计的模型是一个连续的正态分布的话，模型的中心值如果与产品设计中心值相同的话，说明我们对的很准，如果我的西格玛越小的话，我们的分布越集中，而且当产品的规格在正负三个西格玛时，我们能做到的理论良率为99.74%；
