حاسبة احتمال الفترة في التوزيع الطبيعي (بين نقطتين)

حاسبة احتمال الفترة في التوزيع الطبيعي (بين نقطتين)

في نمو AI Skill PRO

أدخل الحساب

صيغة رياضية

P(x1≤X≤x2)=Φ(z2)−Φ(z1)where{z1=x1−μσz2=x2−μσΦ(z)=12(1+erf(z2))\begin{gathered} P(\,{{\text{x}_1}} \le X \le {{\text{x}_2}}\,) = \Phi(z_2) - \Phi(z_1) \\[1.5em] \text{where}\quad \left\{ \begin{aligned} z_1 &= \dfrac{{{\text{x}_1}} - {\mu}}{{\sigma}} \\ z_2 &= \dfrac{{{\text{x}_2}} - {\mu}}{{\sigma}} \\ \Phi(z) &= \tfrac{1}{2}\left(1 + \operatorname{erf}\!\left(\tfrac{z}{\sqrt{2}}\right)\right) \end{aligned} \right. \end{gathered}
عرض خطوات الحساب (2)
  1. Outer Region Probability

    Pouter=1−(Φ(z2)−Φ(z1)),zi=xi−μσP_{\text{outer}} = 1 - \Big(\Phi(z_2) - \Phi(z_1)\Big), \quad z_i = \frac{{{\text{x}_i}} - {\mu}}{{\sigma}}

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

  2. Density at a Point

    f(x)=1σ2πe−(x−μ)22σ2f(x) = \frac{1}{{\sigma}\sqrt{2\pi}}\; e^{-\frac{\left(x - {\mu}\right)^2}{2\,{\sigma}^2}}

    Probability density function value of the normal distribution at point x

إحصاءات الاستخدام

اعلان

نتائج

الاحتمال التراكمي الداخلي P(x1 ≤ X ≤ x2)
٠٫٦٨٢٦٨٩
٦٨٫٢٧% من المساحة
الاحتمال التراكمي الخارجي 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

الإبلاغ عن خطأ في هذه الصفحة

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:

الأكثر شيوعًا في الرياضيات والإحصاء

عرض جميع حاسبات الرياضيات والإحصاء