الاتصال عبر MCP →

أدخل الحساب

صيغة رياضية

اعلان

نتائج

المئين / الكميّة x
٠
الوحدات نفسها المستخدمة في a وb
التوزيع لابلاس (الأسّي المزدوج)
التفسير Quantile x such that Pr(X <= x) = 0.5

ما هي حاسبة مئين توزيع لابلاس؟

تحسب هذه الأداة المئين، أو الكميّة، لتوزيع لابلاس (المعروف أيضًا بالتوزيع الأسّي المزدوج). فعند إعطائها احتمالًا تراكميًا، تُرجع لك القيمة x التي يتحقق عندها ذلك الاحتمال. إنها أداة رياضية عالمية تعمل بالطريقة نفسها في كل مكان، دون أي افتراضات خاصة بدولة بعينها.

يتميّز توزيع لابلاس بمَعلَم الموقع a (وهو المتوسط والوسيط معًا) ومَعلَم القياس b (حيث \(b > 0\)). أما دالة الكثافة الاحتمالية فهي $$f(x) = \frac{1}{2b}\cdot\exp\!\left(-\frac{|x-a|}{b}\right)$$ ما يمنحه قمّة حادّة عند a وذيلين أسّيين متماثلين. ويساوي التباين \(2b^2\).

Laplace distribution PDF curve with a shaded left tail area P up to a quantile x
The percentile x is the point where the cumulative area (probability P) under the Laplace density reaches the chosen level.

كيفية الاستخدام

أدخِل مَعلَم الموقع a، ومَعلَم القياس b (يجب أن يكون موجبًا)، ثم اختر ما إذا كان احتمالك هو احتمالًا تراكميًا أدنى \(P = \Pr(X \le x)\) أو احتمالًا تراكميًا أعلى \(Q = \Pr(X > x)\)، وأدخِل ذلك الاحتمال بقيمة محصورة تمامًا بين 0 و1. عندها تُرجع الحاسبة الكميّة x.

شرح الصيغة

دالة التوزيع التراكمي لتوزيع لابلاس هي \(P(x) = 0.5\cdot\exp\!\left(\frac{x-a}{b}\right)\) عندما \(x < a\)، و\(P(x) = 1 - 0.5\cdot\exp\!\left(-\frac{x-a}{b}\right)\) عندما \(x \ge a\). وبعكسها نحصل على دالة الكميّة:

$$x = \begin{cases} a + b\ln(2P), & P \le 0.5 \\[1em] a - b\ln\!\left(2(1-P)\right), & P > 0.5 \end{cases}$$

وعند إدخالك احتمالًا أعلى Q، تضبط الأداة أولًا \(P = 1 - Q\) ثم تطبّق العكس نفسه. ولاحِظ أن \(P = 0.5\) يُرجع دائمًا \(x = a\)، لأن الوسيط يساوي مَعلَم الموقع.

اعلان
Laplace CDF S-shaped curve mapping probability P on the vertical axis to quantile x on the horizontal axis
Finding a percentile means inverting the Laplace CDF: pick P on the vertical axis and read across to the quantile x.

مثال محلول

لنفترض أن \(a = 0\) و\(b = 1\) والاحتمال الأدنى \(P = 0.75\). وبما أن \(P > 0.5\) فإن $$x = 0 - 1\cdot\ln(2\cdot 0.25) = -\ln(0.5) = \ln(2) \approx 0.6931471806.$$ أي أن 75% من الكتلة الاحتمالية تقع عند \(x \approx 0.693\) أو دونها.

الأسئلة الشائعة

لماذا يجب أن يكون \(0 < p < 1\)؟ كلما اقترب p من الصفر تباعدت الكميّة نحو سالب اللانهاية، وكلما اقترب من الواحد تباعدت نحو موجب اللانهاية، ولذلك فإن الاحتمالات الداخلية الصارمة وحدها هي التي تعطي إجابة منتهية.

ماذا لو كان لديّ احتمال للذيل الأعلى؟ اختر "الاحتمال التراكمي الأعلى Q"، وستحوّله الأداة تلقائيًا عبر العلاقة \(P = 1 - Q\).

لماذا يجب أن يكون القياس موجبًا؟ يتحكّم مَعلَم القياس b في مدى الانتشار ويظهر داخل عملية قسمة عند التوحيد القياسي، لذا فإن \(b \le 0\) يجعل التوزيع منحلًّا ويُرفَض.

آخر تحديث: