लेवी वितरण पर्सेंटाइल कैलकुलेटर क्या है?
लेवी वितरण एक सतत (continuous), भारी-पुच्छ वाला (heavy-tailed) प्रायिकता वितरण है, जो अपने लोकेशन पैरामीटर \(\mu\) से बड़े मानों के लिए परिभाषित होता है। इसे दो पैरामीटर तय करते हैं: लोकेशन \(\mu\) (कोई भी वास्तविक संख्या) और स्केल \(c\) (जो धनात्मक होना चाहिए)। यह कैलकुलेटर इसकी उलटी (inverse) समस्या हल करता है: किसी प्रायिकता को देने पर यह पर्सेंटाइल (क्वांटाइल) \(x\) लौटाता है — यानी यादृच्छिक चर का वह मान जहाँ संचयी वितरण फलन (CDF) उस प्रायिकता के बराबर होता है।
इसका उपयोग कैसे करें
0 और 1 के बीच की कोई प्रायिकता दर्ज करें (दोनों सिरे शामिल नहीं)। चुनें कि वह प्रायिकता लोअर संचयी प्रायिकता \(P(x)\) है या अपर संचयी प्रायिकता \(Q(x) = 1 - P(x)\)। फिर लोकेशन पैरामीटर \(\mu\) और स्केल पैरामीटर \(c\) दर्ज करें (\(c\) का मान 0 से बड़ा होना चाहिए)। कैलकुलेटर आपको \(x\) लौटा देगा। यदि आप अपर विकल्प चुनते हैं, तो टूल पहले \(P = 1 - Q\) से इसे लोअर प्रायिकता में बदल लेता है।
सूत्र की व्याख्या
लेवी संचयी वितरण फलन है $$P(x) = \operatorname{erfc}\left(\sqrt{\frac{c}{2(x - \mu)}}\right),$$ जहाँ \(\operatorname{erfc}\) पूरक त्रुटि फलन (complementary error function) है। इसे उलटने पर मिलता है $$x = \mu + \frac{c}{2\left[\operatorname{erfc}^{-1}(P)\right]^{2}}.$$ कैलकुलेटर उलटे त्रुटि फलन की गणना एक उच्च-परिशुद्धता वाले परिमेय सन्निकटन (rational approximation) से करता है, जिसे न्यूटन पुनरावृत्ति (Newton iteration) से और सटीक किया जाता है — इसलिए किसी बाहरी लाइब्रेरी की ज़रूरत नहीं पड़ती।
हल किया हुआ उदाहरण
मान लीजिए प्रायिकता = 0.5 (लोअर), \(\mu = 0\), \(c = 1\): तब \(\operatorname{erfc}^{-1}(0.5) = \operatorname{inverseErf}(0.5) \approx 0.476936\)। इसका वर्ग करने पर \(\approx 0.227468\), इसलिए $$x = 0 + \frac{1}{2 \times 0.227468} \approx 2.1981.$$ यही मानक लेवी वितरण का माध्यिका (median) है।
अक्सर पूछे जाने वाले प्रश्न (FAQ)
प्रायिकता 0 और 1 के बीच ही (दोनों सिरे छोड़कर) क्यों होनी चाहिए? जब \(p\), 0 के पास पहुँचता है तो पर्सेंटाइल अनंत की ओर बढ़ जाता है, और जब \(p\), 1 के पास पहुँचता है तो यह घटकर \(\mu\) पर सिमट जाता है — इसलिए दोनों सिरों को शामिल नहीं किया जाता।
अपर विकल्प का क्या मतलब है? यह आपके मान को दायीं-पुच्छ प्रायिकता \(Q(x)\) मानता है; कैलकुलेटर भीतर ही भीतर \(P = 1 - Q\) का उपयोग करता है। पुच्छ-जोखिम (tail-risk) से जुड़े सवालों के लिए यह बहुत काम आता है।
बड़े पर्सेंटाइल इतने अधिक क्यों होते हैं? लेवी वितरण की दायीं पुच्छ बहुत भारी होती है (इसका माध्य अनंत है), इसलिए 90वाँ लोअर पर्सेंटाइल भी माध्यिका से कई गुना बड़ा हो सकता है।
