حاسبة رسم التوزيع الطبيعي

حاسبة رسم التوزيع الطبيعي

شائع AI Skill PRO

أدخل الحساب

صيغة رياضية

f(x)=1σ2πe−12(x−μσ)2f(\text{x}) = \frac{1}{{\sigma}\sqrt{2\pi}}\, e^{-\frac{1}{2}\left(\frac{\text{x} - {\mu}}{{\sigma}}\right)^{2}}
إحصاءات الاستخدام

اعلان

نتائج

جدول التوزيع الطبيعي (f)
١٠١
نقطة تم إنشاؤها · القيمة الأولى (x = ؜-٥): ٠٫٠٠٠٠٠١٤٩
x f(x)
؜-٥ ٠٫٠٠٠٠٠١٤٩
؜-٤٫٩ ٠٫٠٠٠٠٠٢٤٤
؜-٤٫٨ ٠٫٠٠٠٠٠٣٩٦
؜-٤٫٧ ٠٫٠٠٠٠٠٦٣٧
؜-٤٫٦ ٠٫٠٠٠٠١٠١٤
؜-٤٫٥ ٠٫٠٠٠٠١٥٩٨
؜-٤٫٤ ٠٫٠٠٠٠٢٤٩٤
؜-٤٫٣ ٠٫٠٠٠٠٣٨٥٤
؜-٤٫٢ ٠٫٠٠٠٠٥٨٩٤
؜-٤٫١ ٠٫٠٠٠٠٨٩٢٦
؜-٤ ٠٫٠٠٠١٣٣٨٣
؜-٣٫٩ ٠٫٠٠٠١٩٨٦٦
؜-٣٫٨ ٠٫٠٠٠٢٩١٩٥
؜-٣٫٧ ٠٫٠٠٠٤٢٤٧٨
؜-٣٫٦ ٠٫٠٠٠٦١١٩
؜-٣٫٥ ٠٫٠٠٠٨٧٢٦٨
؜-٣٫٤ ٠٫٠٠١٢٣٢٢٢
؜-٣٫٣ ٠٫٠٠١٧٢٢٥٧
؜-٣٫٢ ٠٫٠٠٢٣٨٤٠٩
؜-٣٫١ ٠٫٠٠٣٢٦٦٨٢
؜-٣ ٠٫٠٠٤٤٣١٨٥
؜-٢٫٩ ٠٫٠٠٥٩٥٢٥٣
؜-٢٫٨ ٠٫٠٠٧٩١٥٤٥
؜-٢٫٧ ٠٫٠١٠٤٢٠٩٣
؜-٢٫٦ ٠٫٠١٣٥٨٢٩٧
؜-٢٫٥ ٠٫٠١٧٥٢٨٣
؜-٢٫٤ ٠٫٠٢٢٣٩٤٥٣
؜-٢٫٣ ٠٫٠٢٨٣٢٧٠٤
؜-٢٫٢ ٠٫٠٣٥٤٧٤٥٩
؜-٢٫١ ٠٫٠٤٣٩٨٣٦
؜-٢ ٠٫٠٥٣٩٩٠٩٧
؜-١٫٩ ٠٫٠٦٥٦١٥٨١
؜-١٫٨ ٠٫٠٧٨٩٥٠١٦
؜-١٫٧ ٠٫٠٩٤٠٤٩٠٨
؜-١٫٦ ٠٫١١٠٩٢٠٨٣
؜-١٫٥ ٠٫١٢٩٥١٧٦
؜-١٫٤ ٠٫١٤٩٧٢٧٤٧
؜-١٫٣ ٠٫١٧١٣٦٨٥٩
؜-١٫٢ ٠٫١٩٤١٨٦٠٥
؜-١٫١ ٠٫٢١٧٨٥٢١٨
؜-١ ٠٫٢٤١٩٧٠٧٢
؜-٠٫٩ ٠٫٢٦٦٠٨٥٢٥
؜-٠٫٨ ٠٫٢٨٩٦٩١٥٥
؜-٠٫٧ ٠٫٣١٢٢٥٣٩٣
؜-٠٫٦ ٠٫٣٣٣٢٢٤٦
؜-٠٫٥ ٠٫٣٥٢٠٦٥٣٣
؜-٠٫٤ ٠٫٣٦٨٢٧٠١٤
؜-٠٫٣ ٠٫٣٨١٣٨٧٨٢
؜-٠٫٢ ٠٫٣٩١٠٤٢٦٩
؜-٠٫١ ٠٫٣٩٦٩٥٢٥٥
٠ ٠٫٣٩٨٩٤٢٢٨
٠٫١ ٠٫٣٩٦٩٥٢٥٥
٠٫٢ ٠٫٣٩١٠٤٢٦٩
٠٫٣ ٠٫٣٨١٣٨٧٨٢
٠٫٤ ٠٫٣٦٨٢٧٠١٤
٠٫٥ ٠٫٣٥٢٠٦٥٣٣
٠٫٦ ٠٫٣٣٣٢٢٤٦
٠٫٧ ٠٫٣١٢٢٥٣٩٣
٠٫٨ ٠٫٢٨٩٦٩١٥٥
٠٫٩ ٠٫٢٦٦٠٨٥٢٥
١ ٠٫٢٤١٩٧٠٧٢
١٫١ ٠٫٢١٧٨٥٢١٨
١٫٢ ٠٫١٩٤١٨٦٠٥
١٫٣ ٠٫١٧١٣٦٨٥٩
١٫٤ ٠٫١٤٩٧٢٧٤٧
١٫٥ ٠٫١٢٩٥١٧٦
١٫٦ ٠٫١١٠٩٢٠٨٣
١٫٧ ٠٫٠٩٤٠٤٩٠٨
١٫٨ ٠٫٠٧٨٩٥٠١٦
١٫٩ ٠٫٠٦٥٦١٥٨١
٢ ٠٫٠٥٣٩٩٠٩٧
٢٫١ ٠٫٠٤٣٩٨٣٦
٢٫٢ ٠٫٠٣٥٤٧٤٥٩
٢٫٣ ٠٫٠٢٨٣٢٧٠٤
٢٫٤ ٠٫٠٢٢٣٩٤٥٣
٢٫٥ ٠٫٠١٧٥٢٨٣
٢٫٦ ٠٫٠١٣٥٨٢٩٧
٢٫٧ ٠٫٠١٠٤٢٠٩٣
٢٫٨ ٠٫٠٠٧٩١٥٤٥
٢٫٩ ٠٫٠٠٥٩٥٢٥٣
٣ ٠٫٠٠٤٤٣١٨٥
٣٫١ ٠٫٠٠٣٢٦٦٨٢
٣٫٢ ٠٫٠٠٢٣٨٤٠٩
٣٫٣ ٠٫٠٠١٧٢٢٥٧
٣٫٤ ٠٫٠٠١٢٣٢٢٢
٣٫٥ ٠٫٠٠٠٨٧٢٦٨
٣٫٦ ٠٫٠٠٠٦١١٩
٣٫٧ ٠٫٠٠٠٤٢٤٧٨
٣٫٨ ٠٫٠٠٠٢٩١٩٥
٣٫٩ ٠٫٠٠٠١٩٨٦٦
٤ ٠٫٠٠٠١٣٣٨٣
٤٫١ ٠٫٠٠٠٠٨٩٢٦
٤٫٢ ٠٫٠٠٠٠٥٨٩٤
٤٫٣ ٠٫٠٠٠٠٣٨٥٤
٤٫٤ ٠٫٠٠٠٠٢٤٩٤
٤٫٥ ٠٫٠٠٠٠١٥٩٨
٤٫٦ ٠٫٠٠٠٠١٠١٤
٤٫٧ ٠٫٠٠٠٠٠٦٣٧
٤٫٨ ٠٫٠٠٠٠٠٣٩٦
٤٫٩ ٠٫٠٠٠٠٠٢٤٤
٥ ٠٫٠٠٠٠٠١٤٩

الإبلاغ عن خطأ في هذه الصفحة

ما الذي تقوم به هذه الحاسبة

تنشئ حاسبة رسم التوزيع الطبيعي جدولاً من أزواج القيم (x، القيمة) للتوزيع الطبيعي (الغاوسي). يمكنك اختيار واحدة من ثلاث دوال لإدراجها في الجدول: كثافة الاحتمال \(f(x)\)، أو الاحتمال التراكمي السفلي \(P(x)\) (دالة التوزيع التراكمي، أو CDF)، أو الاحتمال التراكمي العلوي \(Q(x)\) (دالة البقاء). تُحدَّد سلسلة قيم x من خلال قيمة ابتدائية، وخطوة (مقدار الزيادة)، وعدد النقاط المطلوب توليدها. وعند اختيار المتوسط \(\mu = 0\) والانحراف المعياري \(\sigma = 1\) تحصل على التوزيع الطبيعي القياسي.

منحنيان جرسيان يُظهران المساحة التراكمية الدنيا P(x) مظللة جهة اليسار والمساحة التراكمية العليا Q(x) مظللة جهة اليمين
الاحتمال التراكمي الأدنى P(x) هو المساحة المظللة يسار x، والاحتمال التراكمي الأعلى Q(x) هو المساحة الواقعة يمينها.

طريقة الاستخدام

اختر الدالة المطلوبة. أدخل المتوسط \(\mu\) والانحراف المعياري \(\sigma\) (الذي يجب أن يكون أكبر من صفر). حدِّد القيمة الابتدائية لـ x، ومقدار الزيادة بين كل قيمة والتي تليها، وعدد التكرارات (النقاط). تُخرِج الحاسبة جدولاً تُعطي فيه كل صفّ \(i\) القيمة \(x = \text{القيمة الابتدائية} + i \cdot \text{الخطوة}\)، إلى جانب قيمة الدالة المختارة عند تلك النقطة. وبالإعدادات الافتراضية (\(\mu=0\)، \(\sigma=1\)، البداية = -5، الخطوة = 0.1، 101 نقطة) تمتد قيم x من -5 إلى +5، فترسم منحنى الجرس المألوف للدالة \(f\) أو المنحنى ذا الشكل الحرف S للدالة \(P\).

شرح المعادلة

تُعطى الكثافة بالعلاقة

$$f(\text{x}, \mu, \sigma) = \frac{1}{\sigma\sqrt{2\pi}}\, e^{-\frac{1}{2}\left(\frac{\text{x} - \mu}{\sigma}\right)^{2}}$$

أما الاحتمالات التراكمية فتعتمد على دالة الخطأ erf: فإذا كان \(z = (x-\mu)/(\sigma\sqrt{2})\)، يكون التراكمي السفلي

$$P = \tfrac{1}{2}\left(1 + \operatorname{erf} z\right)$$

والتراكمي العلوي \(Q = 1 - P\). ولأن لغتي Java/Groovy لا تتضمنان دالة erf جاهزة، تستخدم هذه الأداة التقريب متعدد الحدود من Abramowitz & Stegun (المعادلة 7.1.26)، وهو دقيق إلى نحو \(1.5\times10^{-7}\).

اعلان
منحنى توزيع طبيعي على شكل جرس، يقع المتوسط μ في مركزه مع تحديد الانحراف المعياري σ
تُشكّل دالة الكثافة الاحتمالية الطبيعية f(x) منحنى جرسيًا متماثلًا يتمركز حول المتوسط μ، ويتحدد انتشاره بالقيمة σ.

مثال محلول

للتوزيع الطبيعي القياسي (\(\mu=0\)، \(\sigma=1\)) عند \(x = 1\): نجد أن

$$f(1) = 0.3989423 \cdot e^{-0.5} = 0.241971$$

وبالنسبة لـ \(P\)، يكون \(z = 1/\sqrt{2} = 0.70711\)، و \(\operatorname{erf}(z) \approx 0.68269\)، ومن ثَمّ

$$P = \tfrac{1}{2}(1 + 0.68269) = 0.84134$$

(وهي القيمة المعروفة \(\Phi(1) \approx 0.8413\)). ثم \(Q = 1 - 0.84134 = 0.15866\)، ويتحقق أن \(P + Q = 1\). ✓

الأسئلة الشائعة

لماذا يجب أن يكون \(\sigma\) موجباً؟ الانحراف المعياري الذي يساوي صفراً أو يكون سالباً لا معنى له، كما أنه يؤدي إلى القسمة على صفر في المعادلات، ولذلك ترفضه الأداة.

هل يمكن أن تكون الخطوة سالبة؟ نعم. الخطوة السالبة تجعل قيم x تتناقص تنازلياً، أما الخطوة التي تساوي صفراً فتعطي عموداً ثابتاً من قيم x المتطابقة.

ما مدى دقة \(P\) و \(Q\)؟ تعتمدان على تقريب متعدد الحدود لدالة erf، بأقصى خطأ يبلغ نحو \(1.5\times10^{-7}\)، وهو أكثر من كافٍ للرسم البياني ولمعظم الأعمال الإحصائية.

آخر تحديث:

الأكثر شيوعًا في الرياضيات والإحصاء

عرض جميع حاسبات الرياضيات والإحصاء