以平均μ為中心、左右對稱呈鐘形的連續機率分布，形狀由平均μ與標準差σ兩者決定。也稱為高斯分布。約68%落在平均 ±1σ、約95%落在 ±2σ、約99.7%落在 ±3σ之內。由許多微小而獨立的因素相加而成的量會趨近常態分布（中央極限定理），因此廣泛用作測量誤差與製造變異的模型。以 z = (x − μ) ÷ σ 標準化後，會成為平均0、標準差1的標準常態分布。
日文名稱: 正規分布
「常態分布」出現在1領域的3道練習題中（機率、統計與等候理論等）。
這個名詞所屬的領域: 機率、統計與等候理論
常態分布在平均處最高，越遠離平均越急遽變低，呈鐘形。改變平均時，形狀不變而左右移動；標準差變大時，則變低並向兩側擴展。落在平均 ±1σ、±2σ、±3σ內的比例分別約為68.3%、95.4%、99.7%，記住這個「68-95-99.7法則」，就能快速估計變異。
任何平均與標準差的常態分布，經過 z = (x − μ) ÷ σ 的轉換，都會成為平均0、標準差1的標準常態分布。z表示「離平均有幾倍標準差」，因此可以比較單位或平均不同的資料。常態分布表（累積機率表）就是針對這個標準常態分布所製作的，例如雙尾95%的範圍為 ±1.96。
由許多彼此獨立的微小因素相加而成的量，不論個別因素的分布如何，都會趨近常態分布（中央極限定理）。測量誤差，以及由許多製程的微小變異累積而成的尺寸等會接近常態分布，就是這個原因。樣本平均數的分布可以用常態分布近似，這一點也是信賴區間與假設檢定計算的基礎。
正確答案：A. 約2.3%
標準化後 z = (1,000 − 940) ÷ 30 = 2，因此要求的是超過平均 +2σ的晶片比例。±2σ之外為 100 − 95.4 = 4.6%，而常態分布左右對稱，因此只看上側為 4.6 ÷ 2 = 2.3%。像這樣把延遲的變異當作機率分布來處理，就能估計不符合時序要求的晶片比例。
在管制圖中，若製程穩定且服從常態分布，只因偶然的變異而使點落在平均 ±3σ之外的機率只有約0.27%。因此把管制界限畫在 ±3σ，落在界限外的點便判斷為很可能不是偶然而是異常。六標準差（Six Sigma）也是基於到規格界限為止要留多少倍標準差餘裕的想法。
不行。零件的壽命服從對數常態分布或韋伯分布、到達的間隔服從指數分布、少見事件的次數服從卜瓦松分布等，不服從常態分布的資料也很多。特別是遠離平均的「尾部」機率，可能因分布形狀的不同而相差好幾個數量級。應先畫直方圖確認形狀，再判斷是否使用常態分布。
常態分布中，約68%落在平均 ±1σ、約95%落在 ±2σ、約99.7%落在 ±3σ之內（68-95-99.7法則）。
某零件的尺寸服從平均50.0 mm、標準差0.1 mm的常態分布。尺寸落在49.7 mm到50.3 mm範圍內的零件比…±2σ之外為 100 − 95.4 = 4.6%，而常態分布左右對稱，因此只看上側為 4.6 ÷ 2 = 2.3%。
某電路路徑的延遲依晶片而異，服從平均940 ps、標準差30 ps的常態分布。取常態分布中落在平均 ±2σ範圍內的比例…