Калькулятор вероятности нормального распределения

Калькулятор вероятности нормального распределения

Развивающийся AI Skill PRO

Введите расчет

Математическая формула

P(X≤x)=Φ(z),z=Значение (x)−Среднее (μ)Стандартное отклонение (σ)P(X \le x) = \Phi(z), \qquad z = \frac{{{\text{Значение }(x)}} - {{\text{Среднее }(\mu)}}}{{{\text{Стандартное отклонение }(\sigma)}}}
Статистика использования

Реклама

Результаты

P(X < x)
84,1345%
кумулятивная вероятность ниже x
Z-значение 1
P(X > x) 15,8655%

Сообщить об ошибке на этой странице

Что такое калькулятор вероятности нормального распределения?

Этот калькулятор находит вероятность того, что случайная величина с нормальным распределением окажется ниже или выше заданного значения. По введённому значению x, среднему μ и стандартному отклонению σ он вычисляет кумулятивную вероятность \(P(X < x)\) и вероятность правого «хвоста» \(P(X > x)\), а заодно показывает соответствующее z-значение. Нормальное (гауссово) распределение лежит в основе множества статистических критериев, контрольных карт качества и моделей оценки рисков.

Колоколообразная кривая нормального распределения с заштрихованным левым хвостом
Нормальная кривая: заштрихованная область слева от x представляет \(P(X<x)\).

Как пользоваться калькулятором

Введите интересующее вас значение (x), среднее распределения (μ) и его стандартное отклонение (σ — оно должно быть положительным). Калькулятор стандартизирует значение, переводя его в z-значение, после чего вычисляет стандартную функцию нормального распределения (CDF) и выражает результат в процентах.

Разбор формулы

Сначала значение переводится в z-значение: $$z = \frac{x - \mu}{\sigma}$$ Z-значение показывает, на сколько стандартных отклонений x отстоит от среднего. Вероятность того, что величина окажется ниже x, равна стандартной функции распределения $$P(X<x)=\Phi(z)=\frac{1}{2}\left[1+\operatorname{erf}\left(\frac{z}{\sqrt{2}}\right)\right]$$ Поскольку функция ошибок erf не имеет аналитического выражения, калькулятор использует известную полиномиальную аппроксимацию Абрамовица и Стиган (формула 7.1.26) с точностью около \(1\times10^{-7}\).

Реклама
Нормальная кривая, преобразованная в стандартную нормальную, с показом перехода к z-оценке
Стандартизация преобразует x в z-оценку \(\frac{x-\mu}{\sigma}\) на стандартной нормальной кривой.

Пример расчёта

Допустим, результаты теста распределены нормально со средним \(\mu = 100\) и стандартным отклонением \(\sigma = 15\), и нужно найти \(P(\text{результат} < 130)\). Z-значение равно $$z = \frac{130 - 100}{15} = 2$$ Стандартная функция распределения при \(z = 2\) составляет примерно \(0{,}97725\), то есть около 97,72% результатов оказываются ниже 130, а около 2,28% — выше.

Частые вопросы

Что означает z-значение? Это число стандартных отклонений, на которое значение отстоит от среднего: положительное — выше среднего, отрицательное — ниже.

Как найти вероятность между двумя значениями? Вычислите \(P(X < b) - P(X < a)\), запустив калькулятор дважды.

Насколько точен результат? Аппроксимация erf точна примерно до 7 знаков после запятой — этого с лихвой хватает для большинства статистических задач.

Последнее обновление:

Самые популярные в разделе Математика и статистика

Все калькуляторы раздела Математика и статистика