普通正态分布的标准化是将一个服从 N（μ，σ^2） 的随机变量 X 转换为标准正态分布 N（0，1） 的过程。标准化的公式是：
\[ Z = \frac{X - \mu}{\sigma} \]
其中：
\（ Z \） 是标准化后的随机变量，
\（ X \） 是原始的随机变量，
\（ \mu \） 是 \（ X \） 的数学期望，
\（ \sigma \） 是 \（ X \） 的标准差。
通过这个变换，如果 \（ X \） 服从均值为 \（ \mu \） 和方差为 \（ \sigma^2 \） 的正态分布，那么变换后的 \（ Z \） 将服从均值为 0 和方差为 1 的标准正态分布。
这个标准化的过程在统计学中非常有用，因为它可以让数据的分布更加集中，简化计算和分析过程。