Normal Dağılım Grafiği Hesaplama Aracı

Normal Dağılım Grafiği Hesaplama Aracı

Büyüyen AI Skill PRO

Hesaplamaya Girin

Formül

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}}
Kullanım istatistikleri

Reklam

Sonuç

Normal Dağılım Tablosu (f)
101
nokta oluşturuldu · ilk değer (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

Bu sayfadaki bir hatayı bildir

Bu araç ne işe yarar?

Normal Dağılım Grafiği Hesaplama Aracı, normal (Gauss) dağılımı için (x, değer) çiftlerinden oluşan bir tablo oluşturur. Tablolaştırmak istediğiniz üç fonksiyondan birini seçebilirsiniz: olasılık yoğunluğu \(f(\text{x})\), alt kümülatif olasılık \(P(\text{x})\) (yani kümülatif dağılım fonksiyonu veya CDF) ya da üst kümülatif olasılık \(Q(\text{x})\) (sağkalım fonksiyonu). x değerlerinin dizisi; bir başlangıç değeri, bir adım (artış miktarı) ve üretilecek nokta sayısı ile tanımlanır. Ortalama \(\mu = 0\) ve standart sapma \(\sigma = 1\) seçtiğinizde standart normal dağılımı elde edersiniz.

Solu taralı alt kümülatif alan P(x) ve sağı taralı üst kümülatif alan Q(x) gösteren iki çan eğrisi
Alt kümülatif P(x), x'in solunda kalan taralı alandır; üst kümülatif Q(x) ise sağındaki alandır.

Nasıl kullanılır?

Önce bir fonksiyon seçin. Ardından ortalama \(\mu\) ve standart sapma \(\sigma\) (0'dan büyük olmalıdır) değerlerini girin. Sonra x'in başlangıç değerini, ardışık x değerleri arasındaki artış miktarını ve tekrar sayısını (nokta sayısı) belirleyin. Araç, her i satırında \(\text{x} = \text{başlangıçX} + i \cdot \text{adım}\) değerini ve seçtiğiniz fonksiyonun bu x noktasındaki sonucunu gösteren bir tablo üretir. Varsayılan ayarlarla (\(\mu=0\), \(\sigma=1\), başlangıç = -5, adım = 0.1, 101 nokta) x değeri -5'ten +5'e kadar taranır; böylece f için tanıdık çan eğrisini, P için ise S biçimli eğriyi elde edersiniz.

Formülün açıklaması

Yoğunluk şu şekilde hesaplanır:

$$f(\text{x},\mu,\sigma) = \frac{1}{\sigma\sqrt{2\pi}}\, e^{-\frac{1}{2}\left(\frac{\text{x} - \mu}{\sigma}\right)^{2}}$$

Kümülatif olasılıklar ise hata fonksiyonunu (erf) kullanır: \(z = (\text{x}-\mu)/(\sigma\sqrt{2})\) olmak üzere, alt kümülatif değer

$$P = \frac{1}{2}\left(1 + \operatorname{erf} z\right)$$

ve üst kümülatif değer \(Q = 1 - P\) olur. Java/Groovy'de hazır bir erf fonksiyonu bulunmadığından, bu araç Abramowitz & Stegun 7.1.26 polinom yaklaşımını kullanır; bu yaklaşım yaklaşık \(1.5\times10^{-7}\) hassasiyete sahiptir.

Reklam
Merkezinde ortalama μ bulunan ve standart sapma σ işaretlenmiş çan biçimli normal dağılım eğrisi
Normal olasılık yoğunluk fonksiyonu f(x), ortalama μ etrafında simetrik bir çan eğrisi oluşturur; yayılımını ise σ belirler.

Örnek hesaplama

Standart normal dağılımda (\(\mu=0\), \(\sigma=1\)), x = 1 için:

$$f(1) = 0.3989423 \cdot e^{-0.5} = 0.241971$$

P için \(z = 1/\sqrt{2} = 0.70711\), \(\operatorname{erf}(z) \approx 0.68269\) olduğundan

$$P = \frac{1}{2}(1 + 0.68269) = 0.84134$$

(yani iyi bilinen \(\Phi(1) \approx 0.8413\)). Buna göre \(Q = 1 - 0.84134 = 0.15866\) ve \(P + Q = 1\). ✓

Sıkça Sorulan Sorular

\(\sigma\) neden pozitif olmak zorunda? Sıfır veya negatif bir standart sapmanın anlamı yoktur ve formüllerde sıfıra bölme hatasına yol açar; bu nedenle araç bu değerleri kabul etmez.

Adım negatif olabilir mi? Evet. Negatif bir adım x değerlerini azalan yönde ilerletir; sıfır adım ise hep aynı x değerinden oluşan sabit bir sütun üretir.

P ve Q ne kadar doğru? Bu değerler, en fazla yaklaşık \(1.5\times10^{-7}\) hatayla çalışan bir polinom erf yaklaşımı kullanır; bu hassasiyet grafik çizimi ve çoğu istatistiksel çalışma için fazlasıyla yeterlidir.

Son güncelleme:

Matematik ve İstatistik kategorisinde en popüler

Tüm Matematik ve İstatistik hesap makinelerini gör