這節要去學習的是有關於normal distribution的知識，他被稱為常態分佈(Normal distribution)，或者是高斯分佈(Gaussian distribution)，講到這裡或許許多人就已經知道這是什麼了，不過我在今天之前是一知半解的，立馬學習！

舉例來說在一群人中，有高有矮有胖有瘦，不會每個人身形樣貌都差不多，與我們用random()產生出來的結果是不一樣的，以身高來看，如果是Uniform distribution的表現方式，190公分以上與170到180公分以及170公分以下，不管哪個區間都應該有相同的數目，但回想我國中的時候身高15x公分..算是矮小的，比較要好的朋友只有一兩個，因為他們身高跟我差不多，自然而然就成為好朋友哈哈，班上的同學少數長得特別高或特別矮，
但大部份的人都或在一個差不多的平均高度，這就是常態分佈啦～

再解釋常態分佈之前還要解釋兩個名詞，平均值(mean)與標準差(standard deviation)，平均值簡單易懂，
就是大家的平均啦，而標準差稍微難一點，見下圖：

左邊的圖有較低的較低的標準差，右邊的圖則標準差較高，可以看出標準差代表的是數據的集中程度，較集中的數據有較低的標準差。

有時候在考試成績公佈的時候聽到（或在考試中看到？），離平均少了幾個標準差，查了一下，幾個標準差的意義代表距離平均有多遠，公式上是...，好吧～我看不懂，直接拿常態分佈來做結論，見下圖

這是常態分佈，68%會落在1個標準差內，95%會落在2個標準差之內，99.7%會落在三個標準差之內，回到開頭所提的就是越極端的數值，數目越少啦！

可惡，看了這麼多數學我都快暈倒了，還好這節的程式不需要自己刻，Processing內建了常態分佈的方法，

常態分佈的方法在Random class下，所以我們可以先在setup()中宣告一個Random object出來

Random generator;

void setup() {
  size(640,360);
  generator = new Random();
}

然後重點就是nextGaussian()這個方法，會將平均值設為0，標準差設定在1回傳一個常態分佈的隨機數字，回傳的型別為
Double我們將它轉為Float

void draw() {
  float num = (float) generator.nextGaussian();
}

我們的目的是在螢幕上用圓形打點，在X軸上畫出常態分佈的狀況，目前螢幕寬度為640，我們預期要將x軸的平均值設在320px，標準差設定為60px(看倌可以隨意調整)，那要如何從nextGaussian()產生的直轉變為我們要的結果，就是將 nextGaussian()產生的值 X 60(標準差) + 320(平均數)，如下：

void draw() {
  float num = (float) generator.nextGaussian();
  float sd = 60;
  float mean = 320;

  float x = sd * num + mean;

  noStroke();
  fill(255,10);
  ellipse(x,180,16,16);
}

最後完成的圖形就會是一個漂亮的常態分佈啦！

下一篇會做幾個有趣的圖形練習，試著將distribution的概念融會貫通。