1. 概念

正态分布概率曲线：概率曲线最常见的是正态分布曲线，其概率密度函数为\(y = f(x)=\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(x - \mu)^{2}}{2\sigma^{2}}}\)，其中\(\mu\)为均值，它决定了曲线的中心位置；\(\sigma\)为标准差，它决定了曲线的“胖瘦”程度。

从概率角度理解：对于连续型随机变量\(X\)，概率曲线\(y = f(x)\)表示\(X\)在某一区间内取值的相对可能性。\(f(x)\)的值不是概率，而是概率密度。\(X\)落在区间\((a,b)\)内的概率\(P(a < X < b)\)等于概率曲线\(y = f(x)\)在区间\((a,b)\)上的定积分，即\(P(a < X < b)=\int_{a}^{b}\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(x - \mu)^{2}}{2\sigma^{2}}}dx\)。

2. 性质

对称性：正态分布概率曲线关于直线\(x = \mu\)对称。这意味着对于任意\(h>0\)，\(P(\mu - h<X<\mu)=P(\mu<X<\mu + h)\)。例如，若\(\mu = 0\)，\(\sigma = 1\)的标准正态分布，\(P(-1<X<0)=P(0<X<1)\)。

峰值位置：当\(x=\mu\)时，函数\(y = f(x)\)取得最大值\(y=\frac{1}{\sqrt{2\pi}\sigma}\)。标准差\(\sigma\)越小，曲线越“瘦高”，峰值越高；\(\sigma\)越大，曲线越“矮胖”，峰值越低。

渐近线：概率曲线\(y = f(x)\)以\(x\)轴为渐近线，即当\(x\rightarrow\pm\infty\)时，\(y\rightarrow0\)。这表明随机变量在远离均值\(\mu\)的地方取值的概率越来越小。

积分性质：概率曲线与\(x\)轴围成的面积为\(1\)，即\(\int_{-\infty}^{\infty}\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(x - \mu)^{2}}{2\sigma^{2}}}dx = 1\)，这是因为随机变量在整个取值范围内的概率总和为\(1\)。

3. 类型

标准正态分布概率曲线：当\(\mu = 0\)，\(\sigma = 1\)时，正态分布称为标准正态分布，其概率密度函数为\(y=\frac{1}{\sqrt{2\pi}}e^{-\frac{x^{2}}{2}}\)。标准正态分布在概率统计的理论和应用中都有极其重要的地位，许多其他正态分布的计算都可以通过标准化变换转化为标准正态分布的计算。

一般正态分布概率曲线：对于任意给定的\(\mu\)和\(\sigma\)，都有一个对应的正态分布概率曲线。不同的\(\mu\)和\(\sigma\)值会使曲线在位置和形状上有所不同。

4. 举例

质量控制应用：假设某工厂生产的零件尺寸服从正态分布\(N(\mu = 10,\sigma = 0.5)\)。概率曲线\(y = f(x)=\frac{1}{\sqrt{2\pi}\times0.5}e^{-\frac{(x - 10)^{2}}{2\times0.5^{2}}}\)可以帮助确定零件尺寸在合格范围内的概率。例如，要计算零件尺寸在\((9.5,10.5)\)之间的概率，就需要计算\(\int_{9.5}^{10.5}\frac{1}{\sqrt{2\pi}\times0.5}e^{-\frac{(x - 10)^{2}}{2\times0.5^{2}}}dx\)。

考试成绩分布：学生的考试成绩有时也近似服从正态分布。如果某科考试成绩服从正态分布\(N(\mu = 70,\sigma = 10)\)，那么概率曲线\(y = f(x)=\frac{1}{\sqrt{2\pi}\times10}e^{-\frac{(x - 70)^{2}}{2\times10^{2}}}\)可以用来分析成绩的分布情况。例如，成绩高于\(90\)分的学生比例可以通过计算\(1 - P(X\leq90)=1-\int_{-\infty}^{90}\frac{1}{\sqrt{2\pi}\times10}e^{-\frac{(x - 70)^{2}}{2\times10^{2}}}dx\)来估计。

高等数学