1、 第五章 常態曲線 (The Normal Curve )壹、本單元的目標1、 定義並說明常態曲線（the normal curve）的概念。2、 學習將資料原來得到的數值轉換成Z分數（z scores），以及運用Z 分數及常態曲線表（見Appendix A）來找出在曲線上某一點之上、之下或某兩點之間的面積。3、 以機率的方式來表達前述之面積。貳、前言常態曲線(The Normal Curve) 及常態分配的觀念，在統計中十分重要，它們是推論統計的基礎。常態曲線及分配是一種理論模式，但透過這理論模式，配合平均數及標準差，我們可以對實證研究所得之資料分配，做相當精確之描述及推論。能做到這一點是因
2、常態曲線本身有些重要且已知的特性。常態曲線最重要的特性是其形狀為左右對稱若鐘形之曲線。此曲線只有一個眾數，並與中位數及平均數是三合一的。其區線的兩尾是向兩端無限延伸。因此，雖然實際調查得到的資料，不可能是這種完美的理論模式，但許多實際得到之變項的資料分配是相當接近這種模式，因此可以假定它們的分配是常態的，進而使我們得以運用常態曲線的理論特性。配合平均數及標準差之觀念，我們可以得到常態分配一個重要的特性：在常態曲線下，以平均數 為中心，任何一個在左邊的點X與 之間在常態曲線下之面積是和另一相對在右邊同距離之點與 之X X間的面積相等。常態分配另一非常重要特性是，任何點與 間在常態曲線下之面積X是
3、一定且已知的。見圖一圖一、在常態曲線下之面積從圖一可知在常態曲線下，平均數與標準差之間的所佔的面積比例是有一定的關係。您要熟記這個關係。如果一個變項的分配是接近常態曲線，那這個面積的比例也代表所佔的樣本比例。例如，如果全部樣本數是1000人，則平均數加減一個標準差（平均數 1S）就有約 683人（1000 68.26）。所以，就常態分配而言，只有少數的樣本是在平均數加減三個標準差以外（也就是說只有極少數個案的分數是比平均數加三個標準差來的大，或比平均數減三個標準差來的小）。參、標準化：求Z scores在我們了解以上常態分配之特性後，可以進一步將實際之分配加以標準化成為標準常態分配（stand
4、ard normal distribution）。這種分配之特性是其 = 0，S = X1。（有兩點要注意：1、 實際分配應是接近常態分配，標準化才有意義。但如果實際分配不是接近常態分配時，常態分配之觀念仍然有用，容以後再述。2、常態分配如前所言是一種理論模式，也就是一種用來了解現實狀況的標準）。資料標準化方法是將原來資料中的分數變成Z scores（Z 分數），一種標準常態分配之分數。原來的分數可以是任何單位測量到的，如元、歲或分。在轉變成Z分數後，這些單位就消失了，而原來的平均數會成為0，原來的標準差則成為1。例如，在經過智力測驗後，志明的IQ分數是120分，而此分數是比整個樣本的平均數多
5、一個標準差，也就是10分。當整個樣本的IQ的分數轉換成Z 分數後，整個樣本的平均數是0，而志明的IQ分數也就成了1。轉換原始分數成為Z分數的公式為： SXi由此公式可知，當X i 時，Z0，也就是 在標準常態分配下的Z X X分數等於0。此外，一個原來分數等於原來的 加上一個S時，經由X公式(1)之轉換，即成Z1，即X i 1S時，X1S這也和剛才提及在標準常態分配中S = 1之說。同理可知，當一個原始分數轉成Z分數是1時，那此原始分數就是比平均數高一個標準差的分數。標準化之觀念即將原來之分數化成一種標準分數，如同將英尺化成公尺般。如此一來，不同之樣本分配經標準化後就可比較。而原來的分數所構成
6、的常態分配也就成了標準常態分配。當然，標準常態分配也有前述常態分配所有的特性，如下圖：圖二、標準常態曲線下之面積肆、常態曲線表任何分數經標準化成Z分數後，此Z分數與 (0)之間在常態曲線下X之面積，可利用書中Appendix A之常態曲線表查出。此表有三欄，其中一部分如下表：利用此表，我們可知道： 1、任何Z分數和 之間的面積； X2、某Z 分數以上或以下之面積（也就是找大於或小於Z分數之部分的面積）； 3、 兩個Z分數間之面積。在常態曲線下，尋找某Z分數以上或以下之面積的方法，如下表：表一、尋找某Z分數以上或以下之面積的方法（對照Appendix A ）當Z分數為尋找面積 正 負在Z分數以上
7、（比Z分數大的部分） 看c欄將b欄所呈現的面積加 .5000或50在Z分數以上（比Z 將b欄所呈現的面積 看c欄分數小的部分） 加 .5000或50在常態曲線下，尋找兩個Z分數之間面積的方法如下表：表二、尋找兩個Z分數之間面積的方法（對照Appendix A ）狀況 尋找步驟兩個Z 分數都在平均數的同一邊 由b欄找到每一個Z分數與平均數之間的面積，然後將大的面積減去小的面積兩個Z 分數是分在平均數的兩邊 由b欄找到每一個Z分數與平均數之間的面積，然後將兩個面積相加伍、用常態曲線來推估機率(probability)有已知理論特性的常態曲線也可看成是機率的分配。透過我們對常態分配之特性的了解，我們
8、可以進而了解資料中任何一件個案或分數，在一定條件下被選出或抽中之機率。找到機率的方法就與上述找面積的方法相同。所謂機率，簡言之，即從長期之觀點來看，某一事件發生或成功(success)與全部事件間之比例關係。比如說，從52張撲克牌中抽取紅心Q之比例，即機率應是152。當然您要是只做一次抽牌實驗，抽出的極可能不是紅心Q，但是要是做一百次或一千次，則平均下來，抽到紅心Q之比例應是接近152，這也就是所謂的從長期之觀點來看(over the long run) 的意思。機率一定是在0與1之間。機率是0時，就表示某一事件毫無發生的可能，而機率為1時，則表示此事件必然會發生。當一個變項的分配是常態分配時
9、，我們就可利用常態分配的特性來估計抽中某些樣本是有某些分數的機率為何。例如，如果男性的IQ分數是常態分配，則我們可以很容易知道抽中男性的IQ分數是在95分與平均數100分間的機率為何。其作法就如先前將原始分數（95分與100分）先轉換成Z分數後，再尋找此二分數間的面積。因為，所謂68% 左右之面積是在 1S之間的意義，即為有68%左右之個案件X數或分數是在 1S之間。也因此，從機率的觀點來看，當我們隨便X由一有常態分配性質之母體抽一件個案時，非常可能的是此件之分數是在 1S之間，由此可推，任何一件超過 3S之分數並抽到的可X X能性極低應只有0.0028之概率(10.9972)。陸、分配之偏態(Skewness )與峰度(Kurtosis)Skewness 3323 ZNSXSNXii Kurtosis 4424 ZSSii 常態分配之Skewness 為0，Kurtosis 為0。
