Standardiserad normalfördelning

Jag förstår inte heller riktigt vad de menar med det. En normalfördelning har den berömda klockformen som vi alla har sett. Denna klocka kan vara olika bred och den kan vara centrerad kring olika värden. Hur bred den är bestäms av standardavvikelsen ofta betecknad med $\sigma$. Den är centrerad kring sitt väntevärde ($\approx$medelvärde) som man ofta betecknar med $\mu$. En standardiserad normalfördelning har $\sigma =1 och \mu =0$, d.v.s. en klockkurva centrerad kring x=0 med standardavvikelse 1.

Kanske menar de att normalfördelningar är väldigt användbara? Man kan visa att när man tar tillräckligt många stickprov så fördelar de sig (under vissa förutsättningar) efter en normalfördelning (inte den med $\sigma =1 och \mu =0$). Därför används den väldigt mycket.

Kan du citera texten där det står, eller ta en bild?

Vet inte om detta är svar på frågan, men en fördel med en standardiserad normalfördelning är kanske att du alltid kan ta en normalfördelning och transformera den till en standardiserad normalfördelning. Om du har en variabel X som är normalfördelad med parametrarna $\mu$ och $\sigma$ så kan du skapa en ny variabel $Z=\frac{X-\mu}{\sigma}$ som kommer vara fördelad enligt en standard normalfördelning. Du behöver alltså då bara kunna räkna ut sannolikheter för standard-normalfördelningen för att räkna ut sannolikheter för normalfördelningar oavsett $\mu$ och $\sigma$. 

Vad är fördelen med standardiserad fördelning för jag fattar hur du måste kunna standardavvikelsen men hur gäller det generellt oberoende ifall man inte vet u

För att kunna göra transformeringen som Hondel pratar om så måste du ha uppskattningar av $\mu och \sigma$. För en standardiserad normalfördelning kan du lätt t.ex. slå upp var kvartiler etc. finns. Några kanske du t.o.m. har i huvudet. Via transformationen kan du gå tillbaka till just din normalfördelning som beskriver ditt data. Det kan vara enklare än att räkna på ditt data på en gång. Framför allt finns det tabeller att titta i för den standardiserade normalfördelningen.