计算正态概率
1. 正态分布的特性
正态分布是传统统计学的核心，广泛应用于各种领域。其基本特点是连续性和对称性。技术上讲，正态分布的下限是负无穷大，上限是正无穷大。尽管计算连续分布下的面积需要微积分，但通过R语言的函数，我们可以避开复杂的数学运算，简单地找到正态曲线下的面积。
正态分布具有以下特性： - 曲线在均值处达到最高点。 - 对称分布，左右两侧完全对称。 - 尾部的概率逐渐减小，形成所谓的“钟形曲线”。
正态分布的公式
对于任何具有非零标准差的正态分布，其概率密度函数为： [ f(x) = \frac{1}{\sigma \sqrt{2\pi}} e^{-\frac{(x-\mu)^2}{2\sigma^2}} ]
对于标准正态分布（均值为0，标准差为1），简化后的公式为： [ f(z) = \frac{1}{\sqrt{2\pi}} e^{-\frac{z^2}{2}} ]
示例代码
xaxis <- seq(-4, 4, 0.1)
y <- dnorm(xaxis, 0, 1)
plot(xaxis, y, type="l", main="Standard Normal Distribution", xlab="Z", ylab="Density")
2. 使用dnorm函数找到正态密度
dnorm 函数用于计算正态分布的概率密度。通过该函数，我们可以绘制正态分布的图形，帮助我们