在生物統計中，經常要遇到用數量表現隨機連續在一定範圍內的現象結果，（如身高、體重、血壓等）這些連續型隨機變量是以許多方式而分布的，但較為重要的是正態分布，生物統計中應用廣泛的就是正態分布。那麽什麽是正態分布呢？通俗地說它是以均數為中心，並與標準差有密切關係而呈對稱的鍾形分布曲線稱之。
在自然界中有許多頻數分布近似正態分布；如：①正常人某些生理，生化指標值測定的頻數分布；②實驗室對同一樣本多次重複測定的結果的頻數分布；③從正態或近似正態總體中抽取的樣本均數的頻數分布。當樣本含量較大時，則可將樣本均數作為總體均數的估計值，樣本標準差作為總體標準差的估計值，用正態曲線下麵積分布規律估計頻數分布情況。因此利用正態分布的理論，對這類事物進行研究。
正態分布具有的特點：①頻數分布曲線無論向左，向右延伸，都愈來愈接近橫軸，但不會和橫軸相交，即以橫軸為漸近線。②“隨機量取值在-∞到+∞之間”是一個必然事件，其概率為1。③當x等於u時，曲線處於最高點，以此左右兩邊對稱。④正態分布的形態和位置隨u和δ兩個參數變化而變化。u決定正態分布位置，δ決定正態分布形態。⑤u士若幹倍所包括正態分布總麵積的百分率，對於每一個正態分布都是相同的。它可以看成或相當於變量值在該區間出現的概率。其麵積可用積分法求出橫軸上任何區間與曲線所夾的麵積，常用的百分比為：u在士1δ相當於正態分布總麵積的68.3%；u在士1.96δ相當於正態分布總麵積的95%；u在士2.58δ相當於正態分布總麵積的99%。⑥任何正態分布都可按公式Z=Xu/δ換成為u=0，δ=1的標準正態分布，均數為0，標準差為1的正態分布，記為N（0，1）。即使有些分布並非正態分布，但也可根據正態分布的原理所推導的公式進行計算，然後從正態分布表中查得從-∞到任意Z值區間上的麵積。
如果某項微生物檢測試驗的數據點呈正態分布，且至少包含30個測量值（變量 ），約有68%的變量在距均值的1倍標準偏差範圍內，95%的變量在距均值的2倍標準偏差內，99.7%（幾乎100%）的變量在距均值的3倍標準偏差範圍內。基於上述條件，實驗室在對測試數據進行趨勢分析和評價時，可將距均值的2個標準差和3個標準差範圍分別設定為該試驗項 目的警戒限度和糾偏限度。
在微生物學檢測中，提倡用相對偏差和相對標準偏差來評價試驗數據。用百分相對偏差表示2個試驗數據的變異性。將這2個試驗數據的差值除以均值的兩倍，再乘以100，即得到百分相對偏差。當數據超過2個時，則可用百分相對標準偏差確定試驗的變異性。百分相對標準偏差的計算方法如下：（標準偏差/均值）=相對標準偏差%。用百分相對標準偏差（或百分相對偏差）評定抗生素效價分析試驗的變異性就是在微生物學檢驗中應用的典型事例。用管碟法分析抗生素效價時，絕大多數試驗的相對標準偏差或相對偏差不超過5%。但是，對某些特定抗生素的檢驗方法而言，差異性會相對較大（有時RSD/RD高達5%，因此，此類生物測定法的預期平均值、全距以及可接受的變異程度，均應在方法驗證試驗中予以確定。
在分析微生物檢驗或驗證性試驗的數據時，可使用學生t檢驗（雙向對比）或F檢驗（方差分析）、x2測驗對兩組或多組平行數據進行對比分析。這種檢驗在生物統計中稱為差異顯著性檢驗。它是通過統計分析方法來檢驗或檢定處理間產生的差異（如標準品與供試品間，不同藥物組之間，不同因素組之間所表現出的差異）是由於偶然因素引起的隨機變異還是處理間本質上的差異，也即是要說明哪些差別有很大可能是由生物差異性和實驗誤差造成，哪些差別有很大可能性是真正差別。換言之也就是要測定由於隨機變異所引起的這種差異的概率有多大，即實驗的可靠性有多大。這種統計方法就稱之為可靠性（差異性、顯著性）檢驗。在以上檢驗中，通過統計分析計算測出的數值分別稱之為計算的t值、F值、x2值，然後用計算的t值、F值、x值與查相應的t值表，F值表，x2值表進行比較，從而得出差異是否顯著或不顯著。在可靠性檢驗時，差別顯著或不顯著的標準是采用P（概率）<0.05或0.01或P>0.05或0.1作為下結論的界限，因此：P（概率）<0.05表示差別有顯著意義；P<0.01表示差別有非常顯著意義，P>0.0.5表示差別無顯著意義。
上一篇：統計學常用的變異指標數值
下一篇：製備趨勢分析圖進行分析
