1、Excel 2007版本及以上，假設有這樣一組樣本資料，存放於A列，首先我們計算出樣本的中心值（均值）和標準差。
2、公式直接引用A列計算，這樣可以保證不管A列有多少資料，全部可以參與計算。因為是做模板，所以這樣就不會因為每次樣本資料量變化而計算錯誤。
3、Excel在2007版本以後標準差函式有STDEV.S和STDEV.P。STDEV.S是樣本標準偏差，STDEV.P是基於樣本的總體標準偏差。如果你的Excel裡沒有STDEV.S函式，請使用STDEV函式。
4、正態分佈直方圖需要確定分組數，組距座標上下限等。
5、分組數先使用25，上下限與中心值距離(多少個sigma)先使用4。因為使用公式引用完成計算，所以這兩個值是可以任意更改的。這裡暫時先這樣放。
6、計算組座標。“組”中填充1-100的序列。此處列了100個計算值。原因後面再解釋。
7、在G2，G3分別填入1，2。選中G2，G3單元格，將滑鼠放在右下角選中框的小黑方塊上。當滑鼠變成黑色十字時，下拉。直至數值增加至100。
8、H2輸入公式=D9，H3單元格輸入公式=H2+D$7。為了使公式中一直引用D7單元格，此處公式中使用了行絕對引用。
9、選中H3單元格，將滑鼠放在右下角選中框的小黑方塊上。當滑鼠變成黑色十字時雙擊，填充H列餘下單元格。
10、計算頻數。在I2，I3分別填寫公式計算頻數。同樣，選中I3單元格，將滑鼠放在右下角選中框的小黑方塊上。當滑鼠變成黑色十字時雙擊，填充I列餘下單元格。
1、所有數減去其平均值的平方和，所得結果除以該組數之個數（或個數減一，即變異數），再把所得值開根號，所得之數就是這組資料的標準差。
2、標準差（StandardDeviation），在機率統計中最常使用作為統計分佈程度（statisticaldispersion）上的測量。標準差定義是總體各單位標準值與其平均數離差平方的算術平均數的平方根。它反映組內個體間的離散程度。
求正態分佈中的σ公式：u=(x-μ)/σ。正態分佈（Normaldistribution），也稱“常態分佈”，又名高斯分佈（Gaussiandistribution），最早由棣莫弗（AbrahamdeMoivre）在求二項分佈的漸近公式中得到。
在n次獨立重複的伯努利試驗中，設每次試驗中事件A發生的機率為p。用X表示n重伯努利試驗中事件A發生的次數，則X的可能取值為0，1，…，n，且對每一個k（0≤k≤n），事件{X=k}即為“n次試驗中事件A恰好發生k次”，隨機變數X的離散機率分佈即為二項分佈（BinomialDistribution）。
標準正態分佈Φ(x)公式是Φ(x)=1–Φ(-x)。標準正態分佈是一個在數學、物理及工程等領域都非常重要的機率分佈，在統計學的許多方面有著重大的影響力。
標準正態分佈又稱為u分佈，是以0為均數、以1為標準差的正態分佈，記為N（0，1）。標準正態分佈曲線下面積分佈規律是：在-1.96～+1.96範圍內曲 ...
正態分佈也叫常態分佈，是連續隨機變數機率分佈的一種，自然界、人類社會、心理和教育中大量現象均按正態形式分佈，例如能力的高低，學生成績的好壞等都屬於正態分佈。
正態曲線呈鍾型，兩頭低，中間高，左右對稱因其曲線呈鐘形，因此人們又經常稱之為鐘形曲線。
若隨機變數X服從一個數學期望為μ、方差為σ^2的正態 ...
在使用的時候，第一步是先計算數值的標準分數，然後將標準分數四捨五入到小數點後第二位；第二步是在標準正態分佈表中的左側查到直到標準分數的小數點後第一位，然後用頂部的數值查到所對應的標準分數的小數點後第二位。
標準正態分佈（英語：standardnormaldistribution，德語Standardn ...
標準正態分佈的機率密度：
1、橫軸區間（μ-σ,μ+σ）內的密度機率為68.268949%；
2、橫軸區間（μ-1.96σ,μ+1.96σ）內的密度機率為95.449974%；
3、橫軸區間（μ-2.58σ,μ+2.58σ）內的密度機率為99.730020%。
標準正態分佈是一個在數學、物 ...
正態分佈最早由棣莫弗在求二項分佈的漸近公式中得到。高斯在研究測量誤差時從另一個角度匯出了它。拉普拉斯和高斯研究了它的性質，是一個在數學、物理及工程等領域都非常重要的機率分佈，在統計學的許多方面有著重大的影響力。
正態曲線呈鍾型，兩頭低，中間高，左右對稱因其曲線呈鐘形，因此人們又經常稱之為鐘形曲線。 ...
正態分佈中的σ指的是方差。方差是在機率論和統計方差衡量隨機變數或一組資料時離散程度的度量。機率論中方差用來度量隨機變數和其數學期望（即均值）之間的偏離程度。
方差是各個資料與其算術平均數的離差平方和的平均數，通常以σ2表示。方差的計量單位和量綱不便於從經濟意義上進行解釋，所以實際統計工作中多用方差的算 ...
標準正態分佈的方差為0，標準正態分佈是一個在數學、物理及工程等領域都非常重要的機率分佈，在統計學的許多方面有著重大的影響力。期望值μ=0，即曲線圖象對稱軸為Y軸，標準差σ=1條件下的正態分佈，記為N(0，1)。
在實際應用上，常考慮一組資料具有近似於正態分佈的機率分佈。若其假設正確，則約68.3%數值 ...