Калькулятор графика нормального распределения

Калькулятор графика нормального распределения

Развивающийся AI Skill PRO

Введите расчет

Математическая формула

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}}
Статистика использования

Реклама

Результаты

Таблица нормального распределения (f)
101
точек сгенерировано · первое значение (x = -5): 0,00000149
x f(x)
-5 0,00000149
-4,9 0,00000244
-4,8 0,00000396
-4,7 0,00000637
-4,6 0,00001014
-4,5 0,00001598
-4,4 0,00002494
-4,3 0,00003854
-4,2 0,00005894
-4,1 0,00008926
-4 0,00013383
-3,9 0,00019866
-3,8 0,00029195
-3,7 0,00042478
-3,6 0,0006119
-3,5 0,00087268
-3,4 0,00123222
-3,3 0,00172257
-3,2 0,00238409
-3,1 0,00326682
-3 0,00443185
-2,9 0,00595253
-2,8 0,00791545
-2,7 0,01042093
-2,6 0,01358297
-2,5 0,0175283
-2,4 0,02239453
-2,3 0,02832704
-2,2 0,03547459
-2,1 0,0439836
-2 0,05399097
-1,9 0,06561581
-1,8 0,07895016
-1,7 0,09404908
-1,6 0,11092083
-1,5 0,1295176
-1,4 0,14972747
-1,3 0,17136859
-1,2 0,19418605
-1,1 0,21785218
-1 0,24197072
-0,9 0,26608525
-0,8 0,28969155
-0,7 0,31225393
-0,6 0,3332246
-0,5 0,35206533
-0,4 0,36827014
-0,3 0,38138782
-0,2 0,39104269
-0,1 0,39695255
0 0,39894228
0,1 0,39695255
0,2 0,39104269
0,3 0,38138782
0,4 0,36827014
0,5 0,35206533
0,6 0,3332246
0,7 0,31225393
0,8 0,28969155
0,9 0,26608525
1 0,24197072
1,1 0,21785218
1,2 0,19418605
1,3 0,17136859
1,4 0,14972747
1,5 0,1295176
1,6 0,11092083
1,7 0,09404908
1,8 0,07895016
1,9 0,06561581
2 0,05399097
2,1 0,0439836
2,2 0,03547459
2,3 0,02832704
2,4 0,02239453
2,5 0,0175283
2,6 0,01358297
2,7 0,01042093
2,8 0,00791545
2,9 0,00595253
3 0,00443185
3,1 0,00326682
3,2 0,00238409
3,3 0,00172257
3,4 0,00123222
3,5 0,00087268
3,6 0,0006119
3,7 0,00042478
3,8 0,00029195
3,9 0,00019866
4 0,00013383
4,1 0,00008926
4,2 0,00005894
4,3 0,00003854
4,4 0,00002494
4,5 0,00001598
4,6 0,00001014
4,7 0,00000637
4,8 0,00000396
4,9 0,00000244
5 0,00000149

Сообщить об ошибке на этой странице

Что делает этот калькулятор

Калькулятор графика нормального распределения строит таблицу пар (x, значение) для нормального (гауссова) распределения. Вы выбираете одну из трёх функций для табулирования: плотность вероятности \(f(x)\), нижнюю накопленную вероятность \(P(x)\) (функцию распределения, или CDF) либо верхнюю накопленную вероятность \(Q(x)\) (функцию выживания). Ряд значений x задаётся начальным значением, шагом (приращением) и количеством точек. При среднем \(\mu = 0\) и стандартном отклонении \(\sigma = 1\) вы получаете стандартное нормальное распределение.

Две колоколообразные кривые: у одной заштрихована нижняя кумулятивная площадь P(x) слева, у другой — верхняя кумулятивная площадь Q(x) справа
Нижняя кумулятивная вероятность P(x) — заштрихованная площадь слева от x; верхняя кумулятивная вероятность Q(x) — площадь справа.

Как пользоваться

Выберите функцию. Укажите среднее \(\mu\) и стандартное отклонение \(\sigma\) (оно должно быть больше 0). Задайте начальное значение x, приращение между соседними значениями x и число повторений (точек). Калькулятор формирует таблицу, в которой строка i содержит \(x = \text{начальное\_x} + i \cdot \text{шаг}\) и выбранную функцию, вычисленную при этом x. При настройках по умолчанию (\(\mu=0\), \(\sigma=1\), старт = -5, шаг = 0,1, 101 точка) x пробегает значения от -5 до +5 и вырисовывает знакомую колоколообразную кривую для f или S-образную кривую для P.

Разбор формулы

Плотность задаётся выражением $$f(\text{x},\mu,\sigma) = \frac{1}{\sqrt{2\pi}\cdot\sigma}\, e^{-\frac{1}{2}\left(\frac{\text{x} - \mu}{\sigma}\right)^{2}}.$$ Накопленные вероятности используют функцию ошибок: при \(z = (x-\mu)/(\sigma\sqrt{2})\) нижняя накопленная вероятность равна $$P = \tfrac{1}{2}(1 + \operatorname{erf} z),$$ а верхняя — \(Q = 1 - P\). Поскольку в Java/Groovy нет встроенной функции erf, инструмент применяет полиномиальную аппроксимацию Абрамовица и Стиган 7.1.26 с точностью около \(1{,}5\times10^{-7}\).

Реклама
Колоколообразная кривая нормального распределения со средним μ в центре и отмеченным стандартным отклонением σ
Плотность нормального распределения f(x) образует симметричную колоколообразную кривую с центром в среднем μ; её разброс задаётся σ.

Пример расчёта

Стандартное нормальное распределение (\(\mu=0\), \(\sigma=1\)) при x = 1: $$f(1) = 0{,}3989423 \cdot e^{-0{,}5} = 0{,}241971.$$ Для P: \(z = 1/\sqrt{2} = 0{,}70711\), \(\operatorname{erf}(z) \approx 0{,}68269\), поэтому \(P = \tfrac{1}{2}(1 + 0{,}68269) = 0{,}84134\) (хорошо известное значение \(\Phi(1) \approx 0{,}8413\)). Тогда \(Q = 1 - 0{,}84134 = 0{,}15866\), и \(P + Q = 1\). ✓

Частые вопросы

Почему σ должна быть положительной? Нулевое или отрицательное стандартное отклонение не имеет смысла и привело бы к делению на ноль в формулах, поэтому инструмент его не принимает.

Может ли шаг быть отрицательным? Да. Отрицательный шаг ведёт отсчёт x в сторону уменьшения; нулевой шаг даёт столбец с одинаковыми значениями x.

Насколько точны P и Q? Они используют полиномиальную аппроксимацию erf с максимальной погрешностью порядка \(1{,}5\times10^{-7}\), чего более чем достаточно для построения графиков и большинства статистических задач.

Последнее обновление:

Самые популярные в разделе Математика и статистика

Все калькуляторы раздела Математика и статистика