我有一个非常基本的问题。正态概率图的基础是什么，即概率代表什么？我正在测试标准正态分布。我的normplot（在 MATLAB 中）显示这些值或多或少在一条直线上，但 0.5 的概率对应于一个非零值。
我的问题是，我该如何解释？这是否意味着我的数据是正态分布但具有非零均值（即不是标准正态），还是这个概率只反映其他东西？我试过谷歌，一个链接说概率是 z 表的累积概率，我不知道该怎么做。
同样在 MATLAB 中，只要这些值符合程序绘制的线（红色虚线），这些值是否来自正态分布？在我的一张图表中，虚线非常陡峭，但值适合，这是否意味着在这条线之外的一两个值只是异常值？
我对统计很陌生，所以请帮忙！
谢谢！
【问题讨论】：
标签： matlab graph normalization probability interpretation
正态分布是一个密度函数。任何单个值的概率都是 0。这是因为总概率 (= 1) 分布在无限数量的值之间（它是一个连续函数）。
您在图中（正态分布）所拥有的是概率如何围绕值（x 轴）分布（y 轴）。所以你可以从图中得到的是 2 个点之间的间隔概率，从 -infinite 到任何点，或者从任何点到 +infinte。这个概率是通过积分从point1到point2定义的（正态分布的）函数获得的。
但你不必做这个积分，因为你有 z 表。 z 表给出了 x 介于 -infinite 和 x 之间的概率（应用将 x 与 z 相关联的方程）
我这里没有matlab，不过我猜你说的直线是累积分布函数，它告诉你x在[-infinite, x]之间的概率，由求和（或积分在本例）从-infinite到x的值（或在z表中获得）
对不起，如果我的英语不好。 希望对您有所帮助。
【讨论】：
我的问题是，我该如何解释？这是否意味着我的数据是正态分布但具有非零均值（即非标准正态），还是这个概率仅反映其他情况？
你是对的。如果您运行 normplot 并获得非常接近拟合线的数据，这意味着您的数据有一个非常接近正态分布的cumulative distribution function。 0.5 CDF 点对应于拟合正态分布的平均值。 （在你的情况下看起来大约是 0.002）
你得到一条直线的原因是 y 轴是非线性的，并且它被“扭曲”以使完美的高斯累积分布映射成一条线：y 轴标记是线性的与error function相反。
当您查看末端时，它们的斜率比拟合线更陡，这意味着您的分布的尾部比正态分布更短，即异常值更少，这可能是由于某些物理约束阻止了平均值的过度变化.
【讨论】：