一、正态分布标准化过程？
步骤1
正态分布（Normaldistribution），也称“常态分布”，又名高斯分布（Gaussiandistribution），最早由棣莫弗（AbrahamdeMoivre）在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。
步骤2
正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。
步骤3
若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，记为N(μ，σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ=0,σ=1时的正态分布是标准正态分布。
二、正态分布标准化处理公式？
第一参数μ是遵从正态分布的随机变量的均值，第二个参数σ2是此随机变量的方差，所以正态分布记作N(μ，σ2 )。
遵从正态分布的随机变量的概率规律为取 μ邻近的值的概率大 ，而取离μ越远的值的概率越小；σ越小，分布越集中在μ附近，σ越大，分布越分散。正态分布的密度函数的特点是：关于μ对称，在μ处达到最大值，在正（负）无穷远处取值为0，在μ±σ处有拐点。它的形状是中间高两边低 ，图像是一条位于x轴上方的钟形曲线。当μ＝0，σ2 ＝1时，称为标准正态分布，记为N（0，1）。μ维随机向量具有类似的概率规律时，称此随机向量遵从多维正态分布。
三、正态分布的标准化怎么来的？
假设X～N(μ,σ^2),则Y=(X-μ)/σ～N(0,1).证明;因为X～N(μ,σ^2),所以P(x)=(2π)^(-1/2)*σ^(-1)*exp{[-(x-μ)^2]/(2σ^2)}.(注：F(y)为Y的分布函数,Fx(x)为X的分布函数）而 F(y)=P(Y≤y)=P((X-μ)/σ≤y)=P(X≤σy+μ)=Fx(σy+μ)所以 p(y)=F'(y)=F'x(σy+μ)*σ=P(σy+μ)*σ=[(2π)^(-1/2)]*e^[-（x^2)/2].从而,N(0,1).正态分布标准化的意义是可以方便计算，是一种统计学概念。
原本的正态分布图形有高矮胖瘦不同的形态,实际上是积分变换的必然结果,就好比是：y = kx + b 直线,它不一定过原点的,但是通过变换就可以了：大Y = y-b ; 大X = kx ; ===> 大Y = 大X
2.y = a*b 乘积,通过变换就可以变成加法运算：Ln(y) = Lna + Lnb
3.y = ax² + bx + c 通过变换就可以变成标准形式：y = a(x + b/(2a))² + (c -b²/(4a))
正态分布的标准化也只不过是 “积分变换”而已,虽然高矮胖瘦不同的形态,但是 变量的 线性伸缩变换 并不改变其 量化特性,虽然标准化以后都变成期望是0,方差是1的 标准分布了,但这种 因变量 自变量的 依赖关系仍然存在,不用担心会 “质变”。
四、正态分布推导过程标准化公式推导？
因为X～N(μ,σ^2),所以P(x)=(2π)^(-1/2)*σ^(-1)*exp{[-(x-μ)^2]/(2σ^2)}.其中 F(y)为Y的分布函数，Fx(x)为X的分布函数。而 F(y)=P(Y≤y)=P((X-μ)/σ≤y)=P(X≤σy+μ)=Fx(σy+μ)所以 p(y)=F'(y)=F'x(σy+μ)*σ=P(σy+μ)*σ=[(2π)^(-1/2)]*e^[-（x^2)/2].从而，Y～N(0,1).
五、标准正态分布期望为0的公式？
：ξ期望：Eξ=x1p1+x2p2+……+xnpn方差：s²方差公式：s²=1/n[(x1-x)²+(x2-x)²+……+(xn-x)²]注：x上有“-”正态分布（Normal distribution）又名高斯分布（Gaussian distribution），是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。
若随机变量X服从一个数学期望为μ、方差为σ^2的高斯分布，记为N(μ，σ^2)。
其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。因其曲线呈钟形，因此人们又经常称之为钟形曲线。我们通常所说的标准正态分布是μ = 0,σ = 1的正态分布。
六、为什么要对数据进行标准正态分布的处理？
简单的说，正态分布最基础的是标准正态分布，即期望等于0，方差等于1的分布。这个情况下，可以方便查表计算。
而标准化，就是让非标准正态分布转换为标准正态分布。 X~N(u,o2),o2是西格玛方，即方差。。
标准化：[（X-u）/o]~N(0,1)。。
