正态分布的两个主要参数是而且．是一个位置参数，它决定了正态分布在实数线上峰值的位置。是一个比例参数，它决定了平均值周围密度的浓度。更大的的影响导致正常范围扩大而不是缩小的年代。

均值决定了正态分布在实数线上的位置，而方差决定了分布的分布范围。

正态分布是指数值均匀分布在均值以上和均值以下的分布。如果均值、众数和中位数都相等，则总体具有精确的正态分布。对于3、4、5、5、5、6、7的总体，均值、众数和中位数都是5。

在正态分布中，在平均值的一个正标准差范围内的值的数量等于在平均值的一个负标准差范围内的值的数量。其原因是，低于总体均值的值与高于总体均值的值完全平行。

2)和3)根据经验规则(也称为68-95-99.7规则)的定义是正确的。利用均值为100，标准差为5的信息，我们可以创建一个中间为100的钟形曲线。从平均值的一个标准偏差将给我们一个范围从95到105，将在我们的68%部分。如果从100减去两个标准差就得到90到110的范围也就是95%区间。最后，当我们超出3个标准差时，我们得到了85到115的范围，因此落在99.7%的范围内。

1)可以被推断为正确，因为这意味着68%的观测值在95到105之间，删除其中一个边界(即上界)将16%相加，因为大于95的观测值为68 + 16 = 84%。

正常的扰动是完全对称的，没有异常值。这意味着平均值不会被异常值拉到任何一边，而是应该与中位数(分布的中间数)直接位于中间。

经验法则告诉我们，一个随机数据点在平均值的一个标准偏差内的概率约为68%，而不是78%。

标准正态分布和其他正态分布没什么区别只是标准差为1，均值为0。

由于数据向左倾斜，所以不正常，这也支持了夏安的理论……没有办法知道这些数据是否是一个有代表性的样本，但也没有提供ii, iii和iv的选项，以避免沮丧/混乱

1) Z=1的百分位数为。8413 -或-。1587 -或- .3174 -在一个尾部

1 - .3174=.6826

2) Z=2的百分位数为。9772 -或- .0228 -或- .0456 -在一个尾部

1 - .0456=.9544

3) Z=3的百分位数为。9987 -或- .0013 -或- .0026 -在一个尾部

1 - .0026=.9974