定义 连续型随机变量服从概率密度函数呈钟形曲线、关于均值对称的分布。
从哪来 本节为高三第1讲起点，图谱未记录前置知识点，故基于高中数学必修及选择性必修中“随机变量及其分布”章节的已有认知基础展开。
为什么 正态分布并非人为规定，而是自然界大量独立微小因素共同作用的结果。根据中心极限定理，当样本量足够大时，许多随机变量的和或均值会趋近于正态分布。其概率密度函数 $f(x) = \frac{1}{\sqrt{2\pi}\sigma} e^{-\frac{(x-\mu)^2}{2\sigma^2}}$ 中，指数项 $e^{-\frac{(x-\mu)^2}{2\sigma^2}}$ 决定了曲线形状：离均值 $\mu$ 越远，概率密度衰减越快；系数 $\frac{1}{\sqrt{2\pi}\sigma}$ 确保曲线下的总面积（总概率）为1。这种对称性和集中趋势完美契合了“大多数数据集中在平均值附近，极端值极少”的自然规律。
直观图像法
适合
视觉型、抽象思维较弱的学生。
先展示大量真实数据（如全班身高、考试成绩）的直方图，随着分组细化，直方图轮廓逐渐平滑成钟形。强调“中间高、两边低、左右对称”的视觉特征，让学生先建立感性认识，再引入公式。重点讲解 $\mu$ 决定中心位置，$\sigma$ 决定胖瘦程度（$\sigma$ 越小越瘦高，数据越集中；$\sigma$ 越大越矮胖，数据越分散）。
参数推导法
适合
逻辑型、喜欢探究本质的学生。
从概率密度函数定义出发，分析 $f(x)$ 的结构。提问：为什么指数是平方？（因为对称性，正负偏差影响相同）。为什么有 $e$？（因为衰减是连续的指数级）。为什么分母有 $\sigma$？（为了保证积分归一化）。通过改变 $\mu$ 和 $\sigma$ 的值，动态演示曲线平移和伸缩，让学生理解参数与几何形状的严格对应关系。
应用情境法
适合
实践型、关注数学价值的学生。
引入质量控制（六西格玛管理）、金融风险评估（VaR模型）或生物遗传学案例。例如，某工厂零件尺寸服从 $N(10, 0.1^2)$，问尺寸在 9.9 到 10.1 之间的合格品比例是多少？通过解决实际问题，让学生明白正态分布是连接随机现象与确定性预测的桥梁，理解 $3\sigma$ 原则（99.7%的数据落在 $\mu \pm 3\sigma$ 内）的实际意义。