ماذا تفعل هذه الحاسبة
تتعامل هذه الأداة مع التوزيع الطبيعي (الغاوسي) \(N(\mu, \sigma^2)\) المُعرَّف بمتوسطه \(\mu\) وانحرافه المعياري \(\sigma\). عند إدخال نقطتين \(x_1\) و\(x_2\)، تُرجِع الأداة أربعة أرقام: الكثافة الاحتمالية \(f(x_1)\) و\(f(x_2)\) عند كل نقطة، والاحتمال التراكمي الداخلي \(P(x_1 \le X \le x_2)\) (أي المساحة المحصورة بين النقطتين)، والاحتمال التراكمي الخارجي في الذيلين، وهو يساوي 1 ناقص المساحة الداخلية. إنها أداة إحصائية رياضية بحتة لا تخضع لأي قواعد إقليمية، وتصلح للاستخدام في أي مكان.
طريقة الاستخدام
أدخل النقطتين \(x_1\) و\(x_2\) (تستخدم الحاسبة تلقائيًا الأصغر منهما كحدٍّ أدنى)، ثم المتوسط \(\mu\) والانحراف المعياري \(\sigma\). تمنحك القيم الافتراضية \(\mu=0\) و\(\sigma=1\) التوزيع الطبيعي المعياري، حيث تكون قيم \(x\) ببساطة درجات معيارية (z-scores). يجب أن يكون الانحراف المعياري أكبر من الصفر.
شرح المعادلة
تُحوَّل كل نقطة إلى درجة معيارية \(z = \dfrac{x - \mu}{\sigma}\). وتُحسب الكثافة عبر
$$f(x) = \frac{1}{\sigma\sqrt{2\pi}}\; e^{-\frac{\left(x - \mu\right)^2}{2\,\sigma^2}}$$أما المساحة التراكمية فتعتمد على دالة التوزيع التراكمي للتوزيع الطبيعي المعياري \(\Phi(z) = 0.5\left(1 + \operatorname{erf}\left(\tfrac{z}{\sqrt{2}}\right)\right)\)؛ ولأن لغة Java لا تحتوي على دالة erf مدمجة، يُستخدم تقريب أبراموويتز وستيغون 7.1.26 (بدقة تقارب 1e-7). الاحتمال الداخلي هو \(\Phi(z_2) - \Phi(z_1)\)، والاحتمال الخارجي هو 1 ناقص هذه القيمة.
$$P(\,\text{x}_1 \le X \le \text{x}_2\,) = \Phi(z_2) - \Phi(z_1)$$
مثال محلول
توزيع طبيعي معياري، \(x_1 = -1\)، \(x_2 = 1\)، \(\mu = 0\)، \(\sigma = 1\). الكثافات
$$f(-1) = f(1) = 0.398942 \times e^{-0.5} = 0.241971$$وتكون \(\Phi(1) = 0.841345\) و\(\Phi(-1) = 0.158655\)، إذن الاحتمال الداخلي هو
$$0.841345 - 0.158655 = 0.682690$$(نحو 68.27%، وهي قاعدة \(\pm 1\sigma\) المعروفة)، والاحتمال الخارجي هو 0.317310 (نحو 31.73%).
الأسئلة الشائعة
ماذا يحدث إذا أدخلت \(x_1\) أكبر من \(x_2\)؟ تُبدَّل القيمتان داخليًا بحيث تكون المنطقة الداخلية دائمًا هي الفترة المحصورة بين القيمة الأصغر والأكبر.
ماذا تعني القيم \(\mu=0\) و\(\sigma=1\)؟ هذا هو التوزيع الطبيعي المعياري، أي أن قيم \(x\) تُقرأ مباشرةً كدرجات معيارية (z-scores).
لماذا تتجاوز \(f(x)\) القيمة 1 أحيانًا؟ الكثافة الاحتمالية ليست احتمالًا؛ فعند القيم الصغيرة لـ \(\sigma\) قد يتجاوز ارتفاع القمة الرقم 1 بينما تبقى المساحة الكلية مساوية لـ 1.