正态分布（高斯分布）的应用、作用、意义
某些医学资料，如同质群体的身高、红细胞数、血红蛋白量、脉搏数等，以及实验中的随机误差，一般呈现正态分布或近似正态分布。此外，很多医学资料是呈偏态分布的，有的经过变量变换可转换为正态分布，如抗体滴度、某些疾病潜伏期、病人住院天数、住院费用等，原本呈正偏态分布，但变量经对数转换后，近似正态分布。这种原不服从正态分布，经过对数转换后服从正态分布的资料，称为对数正态分布资料。对数正态分布资料也能借助正态分布理论做统计处理。
正态分布是一种很重要的连续型随机变量的分布，是很多统计处理方法的基础。医疗卫生领域中常利用正态分布的原理制定参考值范围及作质量控制。
（一）制定医学参考值范围
参考值范围也称为正常值范围。医学上常把绝大多数正常人的某指标范围称为该指标的正常值范围。这里的“绝大多数”可以是90%、95%、99%，最常用的是95%。所谓“正常人”不是指完全健康的人，而是指排除影响所研究指标的疾病和有关因素的同质人群。对于服从正态分布的指标，其参考值范围的制定可根据正态分布的面积分布规律；对于不服从正态分布的指标，可先进行变量变换使之服从正态分布或直接利用百分位数法制定参考值范围。
根据专业知识确定该指标是否过大或过小均属异常，决定该指标的参考值范围是双侧范围还是单侧范围。若一个指标过大过小均属异常，则相应的参考值范围既有上限又有下限，是双侧参考值范围；若一个指标仅过大或过小属异常，则此指标的参考值范围只有上限或下限，是单侧参考值范围。
（二）质量控制
为了控制实验中的检测误差，常以 ±2S作为上警戒值、下警戒值，以 ±3S作为上控制值、下控制值。这里的2S和3S可视为1.96S和2.58S的约数。
（三）正态分布是很多统计方法的理论基础
t分布、F分布和χ 2 分布都是在正态分布的基础上推导出来的。Z检验也是以正态分布为理论基础的，此外t分布、二项分布和Poisson分布的极限为正态分布，在一定的条件下，可按近似正态分布原理来处理。
