正态分布的标准差如何计算（越清楚越好）？谢谢。。

已知正态概率密度曲线（即：钟型曲线），估计标准差的方法如下：
先找出平均值：即钟型曲线最高点对应的横坐标；
再找出概率密度曲线的切线的拐点，比如最高点的切线与横坐标轴平行；最高点右边的切线与横轴正向夹角小于180度；再往右走，有一点的切线与横轴夹角达到一个最小值，再向右切线与横轴夹角又增加；前面的最小值点，对应的横坐标与平均值的差值就是标准差的大小。
如果手头有正态概率纸，用其估计标准差的值就更为方便。
如果有原始数据，可用下式计算它的标准差：
先算它的数学期望：
E=(x1+x2+...+xn)/n；
再算它的标准差：
σ=√{Σ(i：1→n) (xi - E)² / n} 。

规律：图形越矮胖，标准差越大；图形越高瘦，标准差越小

正态分布图是反映数据的集中情况的，
越矮胖，就是数据越不集中，标准差就越大
越高瘦，就说明数据集中在某些数据周围，标准差固然就小

用平均数作为样本的代表，其代表性的强弱受样本资料中各观测值变异程度的影响。如果各观测值变异小，则平均数对样本的代表性强；如果各观测值变异大，则平均数代表性弱。因而仅用平均数对一个资料的特征作统计描述是不全面的，还需引入一个表示资料中观测值变异程度大小的统计量。
全距（极差）是表示资料中各观测值变异程度大小最简便的统计量。全距大，则资料中各观测值变异程度大，全距小，则资料中各观测值变异程度小。但是全距只利用了资料中的最大值和最小值，并不能准确表达资料中各观测值的变异程度，比较粗略。当资料很多而又要迅速对资料的变异程度作出判断时，可以利用全距这个统计量。
为了准确地表示样本内各个观测值的变异程度，人们首先会考虑到以平均数为标准，求出各个观测值与平均数的离差，即（），称为离均差。虽然离均差能表达一个观测值偏离平均数的性质和程度，但因为离均差有正、有负，离均差之和为零，即Σ（）=0，因而不能用离均差之和Σ（）来表示资料中所有观测值的总偏离程度。为了解决离均差有正、有负，离均差之和为零的问题，可先求离均差的绝对值并将各离均差绝对值之和除以观测值n求得平均绝对离差，即Σ||/n。虽然平均绝对离差可以表示资料中各观测值的变异