# 第 25248 題：標準常態分布

[返回所在分頁 127](https://ocme.evemisslab.com/zh-Hant/questions/page/127/)

[← 逐題詳解目錄](https://ocme.evemisslab.com/zh-Hant/questions/) · [原題批次](https://ocme.evemisslab.com/zh-Hant/practice/batch-20261015-advance-20261114-r04-standard-normal-distribution-foundations/#q-20261015-advance-20261114-r04-standard-normal-distribution-0048)

本頁是已完成第二對話 AI 數理與中英語義覆核的教學詳解，只支持本題明示的模型與前提。沒有人工審查或新 Lean 證明，也不提升原題或 MKO 的 Canonical 真值狀態。

R0049-25248 · q-20261015-advance-20261114-r04-standard-normal-distribution-0048



## 原題與已知條件

standard normal的Gaussian density、evenness與declared normalization責任。操作=normaldist-evenness-ratio；資料={"x":[23,24]}。請依 exact_ordered_tuple_declared_by_interface 欄序回答。


- G001 — standard normal的Gaussian density、evenness與declared normalization責任。操作=normaldist-evenness-ratio；資料={"x":[23,24]}。請依 exact_ordered_tuple_declared_by_interface 欄序回答。





## 定義與適用範圍

沿用原題明示的論域、假設與來源 MKO 定義。本題已完成第二對話數理與中英語義覆核，並由原始參數逐題獨立重算模型、答案與每個算術步驟；原題仍為 candidate。


- [mko-standard-normal-distribution](https://ocme.evemisslab.com/zh-Hant/mko/mko-standard-normal-distribution/)





## 逐步推導

S001 · implies操作前

source roles = [normaldist-evenness-ratio]

操作後

derived = [[x, negative_x, density_at_x, density_at_negative_x, even, density_ratio, certificate]]

條件：無

本頁列完整來源欄序，不需JavaScript；LP三種mode雖同為6欄，角色仍由原mode選，不由答案形狀猜。

步驟識別與依賴規則：source_ordered_fields_without_JS · 依賴：G001





S002 · calculation操作前

Gaussian ORIGINAL x squared := mul(23/24, 23/24)

操作後

Gaussian ORIGINAL x squared = 529/576

條件：無

依原題角色與已證中間量精確代值，不以小數近似或單次觀察替代。

步驟識別與依賴規則：exact_rational_arithmetic · 依賴：G001, S001





S003 · calculation操作前

Gaussian square times exact half := mul(529/576, 1/2)

操作後

Gaussian square times exact half = 529/1152

條件：無

依原題角色與已證中間量精確代值，不以小數近似或單次觀察替代。

步驟識別與依賴規則：exact_rational_arithmetic · 依賴：G001, S002





S004 · implies操作前

source roles = [23/24, -529/1152]

操作後

derived = [(2*pi)^(-1/2)*exp(-529/1152), phi(x)=(2*pi)^(-1/2)*exp(-x^2/2), normalization is a NAMED Gaussian integral premise]

條件：無

精確有理數只算指數−x²/2，exp與常數因子保符號。全Gaussian law與normalization是明示前提，不由一個density值證成。

步驟識別與依賴規則：Gaussian_WHOLE_declared_density_symbolic_value_named_normalization · 依賴：G001, S003





S005 · calculation操作前

Gaussian negative x squared := mul(-23/24, -23/24)

操作後

Gaussian negative x squared = 529/576

條件：無

依原題角色與已證中間量精確代值，不以小數近似或單次觀察替代。

步驟識別與依賴規則：exact_rational_arithmetic · 依賴：G001, S004





S006 · implies操作前

source roles = [23/24, -23/24, 529/576, 529/576]

操作後

derived = [(2*pi)^(-1/2)*exp(-529/1152), (2*pi)^(-1/2)*exp(-529/1152), 是, phi(x)/phi(0)=exp(-529/1152)]

條件：無

(−x)²=x²給evenness；phi(0)=(2pi)^−1/2>0，才能除並取消常數，留下exp(−x²/2)。這不是CDF或normalization求值。

步驟識別與依賴規則：Gaussian_evenness_and_ratio_cancel_positive_phi0 · 依賴：G001, S005









## 逐步反向核對


- S006 · premise_and_result_audit — 回到原始資料與本步條件核對，不把單向推論誤稱等價。
- S005 · premise_and_result_audit — 以精確有理數重算 Gaussian negative x squared，不以小數近似替代。
- S004 · premise_and_result_audit — 回到原始資料與本步條件核對，不把單向推論誤稱等價。
- S003 · premise_and_result_audit — 以精確有理數重算 Gaussian square times exact half，不以小數近似替代。
- S002 · premise_and_result_audit — 以精確有理數重算 Gaussian ORIGINAL x squared，不以小數近似替代。
- S001 · premise_and_result_audit — 回到原始資料與本步條件核對，不把單向推論誤稱等價。





## 結論

(23/24, -23/24, (2*pi)^(-1/2)*exp(-529/1152), (2*pi)^(-1/2)*exp(-529/1152), 是, phi(x)/phi(0)=exp(-529/1152), evenness_follows_from_x_squared)

依上列完整代值及條件核對得到原題答案；原題編號、格式與狀態保持不變。





## 本題覆核與來源綁定

覆核日期：2026-10-26

原題、答案、步驟表達式、數值 AST 與既有歷史保持原樣；原來的候選狀態屬於來源歷史，不覆寫為形式化證明。

來源雜湊與覆核憑證
- input commit: 0f7be61e2c22317a4075561dc822c87d881a50db
- original question SHA-256: 06f19037214d174c1bb35643b4609438cd908a0a703351c3cd7cd5c02f9ab473
- candidate record SHA-256: b14f2c2a27b68bfa6336b71c80a0961ce31f7b549ccd4677a0a8df2ab3c0c18b
- semantic review receipt SHA-256: 6212b8b0b3b273f3a514e26ebd17d7e81219c56a8f47e40047ee2b6bf01d1ba3
- question-first witness SHA-256: f32a23d5e1b66c7794c60def58741bcdfacff24f3cdfc9bc48109c8f71543cf3
- Lean: NOT_RUN · human review: NOT_PERFORMED

[同源完整 JSON](https://ocme.evemisslab.com/data/question-derivations/questions/q-20261015-advance-20261114-r04-standard-normal-distribution-0048.json)




