正态分布概率密度函数在某一点的值是多少？？

在某点的概率密度.就是x取得0.8时的概率

对于连续分布，不同于离散分布，它表现得是“某个区间上”的概率。正如此，

才有“概率密度”这一说。而单就某点，则概率为0

f（0.8）就是概率函数F(X)在0.8处的斜率呀，也就是说概率在0.8出增长的速度。

我没看懂你的目的是干什么，如果你是要估计系数的话没这么麻烦的，
样本期望等于总体的期望，估计出均值；
样本方差是总体的方差除以样本数，估计出总体方差。

这在本质上是通过极大似然法推导出来的。 LZ的意思是想用最小二乘法推导吧，这个也有公式的好像，不过如果是非线性的话，（线性）回归效果不是很好

正态分布
normal distribution
一种概率分布。正态分布是具有两个参数μ和σ2的连续型随机变量的分布，第一参数μ是遵从正态分布的随机变量的均值，第二个参数σ2是此随机变量的方差，所以正态分布记作N(μ，σ2 )。 遵从正态分布的随机变量的概率规律为取 μ邻近的值的概率大 ，而取离μ越远的值的概率越小；σ越小，分布越集中在μ附近，σ越大，分布越分散。正态分布的密度函数的特点是：关于μ对称，在μ处达到最大值，在正（负）无穷远处取值为0，在μ±σ处有拐点。它的形状是中间高两边低 ，图像是一条位于x轴上方的钟形曲线。当μ＝0，σ2 ＝1时，称为标准正态分布，记为N（0，1）。μ维随机向量具有类似的概率规律时，称此随机向量遵从多维正态分布。多元正态分布有很好的性质，例如，多元正态分布的边缘分布仍为正态分布，它经任何线性变换得到的随机向量仍为多维正态分布，特别它的线性组合为一元正态分布。
正态分布最早由A.棣莫弗在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。
生产与科学实验中很多随机变量的概率分布都可以近似地用正态分布来描述。例如，在生产条件不变的情况下，产品的强力、抗压强度、口径、长度等指标；同一种生物体的身长、体重等指标；同一种种子的重量；测量同一物体的误差；弹着点沿某一方向的偏差；某个地区的年降水量；以及理想气体分子的速度分量，等等。一般来说，如果一个量是由许多微小的