高斯分布（Gaussian Distribution），也常被称为正态分布（Normal Distribution），是一种在数学、物理及工程等领域都极其重要的概率分布。其概率密度函数的标准形式为：
$$ f(x) = \frac{1}{\sigma\sqrt{2\pi}} e^{-\frac{(x-\mu)^2}{2\sigma^2}} $$
其中，各个参数的含义如下：
- $ x $ 是随机变量。
- $ \mu $ 是均值（mean）或期望值（expected value），它描述了分布的中心位置。
- $ \sigma $ 是标准差（standard deviation），它描述了数据围绕均值的分散程度。具体来说，标准差衡量了数据点与均值之间的平均距离。
- $ \sigma^2 $ 是方差（variance），它是标准差的平方，用于描述数据的离散程度。
- $ \sqrt{2\pi} $ 是一个常数，约等于2.5066282746310005，确保了整个分布下的面积为1，满足概率分布的要求。
- $ e $ 是自然对数的底数，约等于2.718281828459045。
这个函数曲线是关于直线 $ x = \mu $ 对称的，并且当 $ x = \mu $ 时取得最大值 $ f(\mu) = \frac{1}{\sigma\sqrt{2\pi}} $。随着 $ |x - \mu| $ 的增大，$ f(x) $ 的值迅速减小，表明数据点离均值越远，出现的概率就越小。
在实际应用中，如果一组数据符合高斯分布，那么我们可以利用这个分布来进行各种统计分析，包括计算置信区间、进行假设检验等。此外，很多自然现象和社会现象的数据也近似服从高斯分布，这使得正态分布在统计学和数据分析中具有广泛的应用。
