μ确定后，σ越大，则正态曲线()。A. 越陡峭B. 向左移动C. 形状不变D. 向右移动E. 越平缓

本题考查正态分布曲线的性质，解题的关键在于理解正态分布曲线中参数$\mu$和$\sigma$的含义以及它们对曲线形状和位置的影响。

正态分布的概率密度函数为$f(x)=\frac{1}{\sigma\sqrt{2\pi}}e^{-\frac{(x - \mu)^2}{2\sigma^2}}$，其中$\mu$是均值，它决定了正态曲线的对称轴位置，也就是曲线的中心位置；$\sigma$是标准差，它反映了数据的离散程度，对曲线的形状有影响。

当$\mu$确定后，意味着正态曲线的对称轴位置固定。而$\sigma$越大，说明数据越分散。从正态曲线的形状来看，曲线会变得更加“矮胖”，也就是越平缓。

下面我们从数学角度简单分析一下：
对于正态分布曲线$f(x)=\frac{1}{\sigma\sqrt{2\pi}}e^{-\frac{(x - \mu)^2}{2\sigma^2}}$，其导数$f^\prime(x)$反映了曲线的斜率变化情况。
先对$f(x)$求导，根据复合函数求导法则$(e^u)^\prime = e^u\cdot u^\prime$，令$u = -\frac{(x - \mu)^2}{2\sigma^2}$，则$u^\prime = -\frac{2(x - \mu)}{2\sigma^2}=-\frac{x - \mu}{\sigma^2}$。
所以$f^\prime(x)=\frac{1}{\sigma\sqrt{2\pi}}\cdot e^{-\frac{(x - \mu)^2}{2\sigma^2}}\cdot (-\frac{x - \mu}{\sigma^2})$。
$\sigma$越大，$f^\prime(x)$的绝对值越小，说明曲线的斜率变化越平缓，即曲线越平缓。

而选项B“向左移动”和选项D“向右移动”是由$\mu$的变化引起的，与$\sigma$无关；选项A“越陡峭”与$\sigma$越大时曲线的实际变化情况相反；选项C“形状不变”也是错误的，因为$\sigma$的变化会改变曲线的形状。