数据，分为两种类型，一种是离散型数据，一种是连续型数据。
- 离散型数据：指某些既定的值。比如投掷一个骰子，有1、2、3、4、5、6这六个结果。
- 连续型数据：指一个范围内任何值，无法一一列举。比如我们的身高，在人体身高极限下，任何一个身高都是可能的。
既然提到了连续型数据，就不得不说说统计学中最重要的概率分布类型之一——正态分布。
正态分布：也称为高斯分布，它是自然科学与行为科学中定量现象的一个方便模型。曲线对称，中央部位的概率密度最大，越是偏离均值，概率密度越小。均值与中位数均位于中央，因此具有最大概率密度。
因为它的曲线呈现一个倒钟型，所以也称之为钟形曲线。
正态分布示例.png
在这张图中，μ表示均值， σ表示标准差，它的平方自然是方差。当μ=0，=1的时候，代表标准正态分布，也就是图中红色的这条钟形曲线。
发现了么？在正态分布曲线中，μ指出了曲线的中央位置，指出了数据的分散性：
越大，曲线越扁平，越宽。反之，
越小，曲线越陡，越窄。
但有一点得注意：无论把图形画多大，概率密度永远不会等于0。换句话说，即使我们以为再不可能发生的事情，也存在发生的可能性。只是这种可能无限趋近于0，而不等于0。
而这个曲线我们在生活中要怎么用呢？
GE公司的传奇CEO杰克·韦尔奇就曾用一个正态分布曲线——活力曲线理论，挽救了死气沉沉的公司。
韦尔奇的活力曲线.jpg
在上面这个曲线中，员工被分为了三类：
- 最左边的20%：属于公司最优秀的员工，不仅有着很强的工作热情，而且能完美解决既定的工作任务。公司给予更多奖励。
- 中间的70%：属于公司大部分员工。即他们有着较强的工作热情，能按时按量的完成工作指标。
- 最右边的10%：属于公司中最差的，约占10%。这类员工，要么自己想办法提升自己，要么转岗，要么就被淘汰。
那么问题来了，我们要怎样才能根据既有连续型数据求出它的正态分布概率呢？别急，我们明天再聊。
相关阅读：
《方差，计算数据变异性的标尺》
《平均数与中位数》
