正态分布是一种常见的概率分布，它的概率密度函数公式为：f（x）=1/（σ√（2π））*e^（-（x-μ）^2/（2σ^2））。
μ是均值，σ是标准差。这个公式描述了一个连续随机变量的分布情况，其中大部分数据（约68%）集中在均值μ的附近，分布在μ的两侧各一个标准差σ的范围内。随着远离μ，数据量逐渐减少，但仍然保持一个相对稳定的状态。
正态分布概率公式在许多领域都有广泛的应用，例如统计学、金融、生物医学等。在统计学中，正态分布在样本均值和总体均值之间进行比较时非常有用。在金融领域，许多资产的收益率分布呈现出正态分布的特征，因此可以使用正态分布概率公式进行风险评估和资产定价。
在生物医学领域，许多生理指标如血压、血糖等都呈现出正态分布的特征，因此可以使用正态分布概率公式进行疾病诊断和治疗方案的设计。
正态分布概率公式有一个重要的假设前提，即数据来自正态分布的总体。如果这个前提不满足，那么使用正态分布概率公式可能会得出错误的结果。因此，在实际应用中，需要仔细考虑数据来源和分布情况，并进行必要的检验和验证。
正态分布概率公式特点：
1、集中性：正态分布的概率密度函数曲线呈现出钟形的形状，峰值位于均值μ处。这意味着大部分数据点都集中在均值μ附近，越远离μ，数据点出现的概率越小。这种集中性使得数据的分布相对稳定，并且可以通过均值μ和标准差σ来大致描述整个分布的情况。
2、对称性：正态分布的概率密度函数曲线是关于均值μ对称的，即如果将概率密度函数曲线向右平移μ个单位，它就会关于y轴对称。这种对称性意味着在正态分布中，数据的分布情况在μ的左侧和右侧是相同的，只是在方向上有所差异。
3、边界有限性：正态分布的概率密度函数曲线下的面积为1，即所有数据点的概率之和为1。这意味着正态分布是有边界的，其概率值不会无限增大或减小。这种边界有限性使得正态分布在实际应用中具有很好的适用性，因为在实际数据中，概率值较大的情况往往是有限的，因此可以通过对有限的数据进行概率计算来得到相对准确的结果。