正态分布里的标准差有什么实际意义？
标准差和期望是一个量纲上的，反应期望值的波动。（u-Z×δ，u+Z×δ）Z是某个概率的分位数，则这个集合就是这个概率下因变量的取值范围；另外正态分布是没有上下界这一说法的。
方差或标准差 方差S=[ (x1-x)^2+(x2-x)^2+(x3-x)^2+(xn-x)^2] xn是第n次的成绩；x是n次成绩的平均扮和友值，即x=（x1+x2+……+xn）÷n 方差是表现点的离散程度的，方差越小，点的离散程度越小，也就越接近平均值。
扩展资料：
在概率统计中最常使用作为统计分布程度（statistical dispersion）上的测量。标准差定义是总体各单位标准值与其平均数离差平方的算术平均数的平方根。它反映组内个体间的离散程度。
为非负数厅槐值，与棚仔测量资料具有相同单位。一个总量的标准差或一个随机变量的标准差，及一个子集合样品数的标准差之间，有所差别。
简单来说，标准差是一组数据平均值分散程度的一种度量。一个较大的标准差，代表大部分数值和其平均值之间差异较大；一个较小的标准差，代表这些数值较接近平均值。
参考资料来源：百度百科-标准差
标准差和期望是一个量纲上的，反应期望值的波动。（u-Z×δ，u+Z×δ）Z是某个激橘概率的分位数，则这个集合就是这个概率世拍下因变量的取值范围；另外正态分布是没有上下界这一说法的。
方差或标准差 方差S=[ (x1-x)^2+(x2-x)^2+(x3-x)^2+(xn-x)^2] xn是第n次的成绩；x是n次成绩明返团的平均值，即x=（x1+x2+……+xn）÷n 方差是表现点的离散程度的，方差越小，点的离散程度越小，也就越接近平均值。
标准差
标准差可以当作不确定性的一种测量。例如在物理科学中，做重复性测量时，测量数值集合的标准差代表这些测量的精确度。当要决定测量值是否符合预测值，测量值的标准差占有决定性重要角色：如果测量平均值与预测值相差太远（同时与标准差数值做比较），则认为测量值与预测值互相矛盾。这很容易理解，因为如果测量值都落在一定数值范围之外，可以合理推论预测值是否正确。
标准差应用于投资上，可作为量度回报稳定性的指标。标准差数值越大，代表回报远离过去平均数值，回报较不稳定故风险越高。相反，标准差数值越小，代表回报较为稳定，风险亦较小。
正态分布是没有上下界，但符合正态分布的量本身是有上下界的啊。我的意思是现实中常常说一个东西的分布【例如齿轮半径】符合正态分布，而如果我们已经知道这个东西符合正态分布，我们能否得到这个东西在某个具体的区间内的概率【比如半径10mm齿轮符合，其中最小9.5mm,最大10.5mm,那么能否求齿轮半径在9.6-9.8之间的概率？】？
能
