定义 正态分布是连续型随机变量服从的钟形对称概率分布，由均值和方差唯一确定。
从哪来 它建立在5.1 独立事件的定义之上。正态分布源于大量相互独立的随机因素叠加，其概率密度函数的推导依赖于独立事件概率乘积法则及极限过程。
为什么 根据中心极限定理，当大量相互独立的随机变量（如测量误差、身高差异）共同作用时，其和的分布趋近于正态分布。由于每个独立因素对结果的影响微小且随机，正向与负向偏差相互抵消，导致数据在均值附近密集，向两侧逐渐稀疏，形成对称的钟形曲线。
直观类比法
适合
形象思维强、抽象概念薄弱的学生。
用“人群身高”举例：大多数人中等身高，极高或极矮的人很少。画一条钟形曲线，指出中间高两边低，强调“对称”和“集中趋势”。让学生理解正态分布就是“大多数在中间，少数在两边”的数学表达。
参数驱动法
适合
逻辑严密、喜欢公式推导的学生。
从概率密度函数 $f(x) = \frac{1}{\sqrt{2\pi}\sigma} e^{-\frac{(x-\mu)^2}{2\sigma^2}}$ 入手。分析 $\mu$ 决定曲线左右位置（平移），$\sigma$ 决定曲线胖瘦（缩放）。通过改变 $\mu$ 和 $\sigma$ 的值，动态展示曲线变化，强调“均值定中心，方差定离散”。
误差累积法
适合
物理基础好、喜欢跨学科联系的学生。
从测量误差入手。每次测量都有微小随机误差，多次测量取平均。解释为什么平均值的分布比单次测量更集中（$\sigma$ 变小）。联系物理中的热运动、气体分子速度分布，说明正态分布是自然界“随机性”的普遍规律。