الاتصال عبر MCP →

أدخل الحساب

صيغة رياضية

Show calculation steps (2)
  1. Outer Region Probability

    Outer Region Probability: حاسبة احتمال الفترة في التوزيع الطبيعي (بين نقطتين)

    Probability X falls outside the interval, the complement of the inner probability

  2. Density at a Point

    Density at a Point: حاسبة احتمال الفترة في التوزيع الطبيعي (بين نقطتين)

    Probability density function value of the normal distribution at point x

اعلان

نتائج

Inner cumulative probability P(x1 ≤ X ≤ x2)
٠٫٦٨٢٦٨٩
٦٨٫٢٧% of the area
Outer cumulative probability P(X < x1) + P(X > x2) ٠٫٣١٧٣١١ (٣١٫٧٣%)
الكثافة الاحتمالية عند x1 f(x1) ٠٫٢٤١٩٧١
الكثافة الاحتمالية عند x2 f(x2) ٠٫٢٤١٩٧١

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.

$$P(\,\text{x}_1 \le X \le \text{x}_2\,) = \Phi(z_2) - \Phi(z_1)$$
اعلان
منحنى جرسي للتوزيع الطبيعي مع تظليل المساحة بين الخطين العموديين x1 و x2
الاحتمال الداخلي هو المساحة المظللة تحت المنحنى الجرسي بين x₁ و x₂.

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%).

منحنى جرسي مع تظليل منطقتي الذيلين الخارجيتين، في تباين مع المنطقة الداخلية
الاحتمال الخارجي هو مجموع مساحة الذيلين خارج x₁ و x₂.

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.

آخر تحديث: