反常態分布計算器的用途
這個計算器把常見的統計問題反過來算:一般我們問「小於 x 的機率是多少?」,而它要回答的是「在指定機率下,對應的數值是多少?」。只要輸入累積機率,以及常態分布的兩個參數,工具就會回傳對應的資料數值(反常態值)、所在的百分位數,以及相符的 z 分數。這類計算廣泛應用於課業學習、品質管制、財務領域(風險值 VaR)以及標準化測驗分析。
三個必填欄位
- 機率(0 到 1):指你要查詢的數值左側所涵蓋的累積面積。例如 0.95 代表「整個分布有 95% 落在這個數值以下」。數值必須嚴格介於 0 與 1 之間。
- 平均數(μ):常態分布的中心位置。
- 標準差(σ):分布的離散程度,數值必須大於 0。
計算公式
本工具會依你輸入的 μ 與 σ,計算常態分布的反累積分布函數(即分位數函數):
- 反常態值:x = Φ⁻¹(p; μ, σ)——累積機率剛好等於 p 的那個數值。
- 百分位數:機率 × 100。
- Z 分數:z = (x − μ) / σ——表示 x 距離平均數有幾個標準差。
計算原理是先求標準常態的反函數,再進行縮放與平移:x = μ + σ · z,其中 z 對應到機率 p。
實例演練
假設某次考試成績呈常態分布,平均數(μ)為 70、標準差(σ)為 8,你想知道第 90 百分位的分數。請輸入機率=0.90、平均數=70、標準差=8。
- 對應機率 0.90 的標準常態 z 分數約為 1.2816。
- 反常態值:70 + 8 × 1.2816 ≈ 80.25。
- 百分位數:0.90 × 100 = 90%。
- Z 分數:(80.25 − 70) / 8 ≈ 1.28。
也就是說,約 80.25 分的成績,正好落在第 90 百分位。
常見機率與其 Z 分數
此表列出標準常態分位數 \(z = \Phi^{-1}(p)\),即左側累積機率為 p 的 z 分數,適用於平均數為 0、標準差為 1 的分佈。若要轉換為任何常態分佈,請使用 \(x = \mu + \sigma \cdot z\)。
| 累積機率 p | z = Φ⁻¹(p) |
|---|---|
| 0.01 | -2.3263 |
| 0.025 | -1.9600 |
| 0.05 | -1.6449 |
| 0.50 | 0 |
| 0.75 | 0.6745 |
| 0.80 | 0.8416 |
| 0.90 | 1.2816 |
| 0.95 | 1.6449 |
| 0.975 | 1.9600 |
| 0.99 | 2.3263 |
| 0.995 | 2.5758 |
| 0.999 | 3.0902 |
標準常態曲線是對稱的,因此 \(\Phi^{-1}(1-p) = -\Phi^{-1}(p)\)。這就是為什麼 0.05 對應 -1.6449,而 0.95 對應 +1.6449。
解讀你的結果
數值 x 是切點,其左側機率為 p、右側機率為 1 − p,因此 \(P(X \le x) = p\)。例如,當 p = 0.95 時,x 即為第 95 百分位數:95% 的數值落在它或其以下,5% 的數值則高於它。
- 若 p < 0.5,z 為負數,x 位於平均數之下。
- 若 p > 0.5,z 為正數,x 位於平均數之上。
- 若 p = 0.5,z = 0,x 等於平均數(同時也是中位數)。
經驗法則可提供一個有用的尺度概念:約 68% 的數值落在平均數的 ±1σ 範圍內,約 95% 落在 ±2σ 內,約 99.7% 落在 ±3σ 內。更精確地說,95% 中央區間使用的是 z = ±1.96,而不是剛好 ±2。
若要取得涵蓋率為 c 的雙側中央區間,上界使用 \(p = (1 + c)/2\),下界使用 \(p = (1 - c)/2\)。對於 95% 中央區間,p = 0.975 得出 z = 1.96,區間即為 \(\mu \pm 1.96\sigma\)。
以上所有內容都假設資料與您輸入的平均數和標準差所描述的常態分佈相符。若實際資料呈偏態或厚尾,切點將不會與真實百分位數一致。
常見問題
為什麼機率一定要嚴格介於 0 與 1 之間?常態分布在兩端都會無限延伸,因此機率剛好等於 0 或 1 時,對應的數值會是正、負無限大。所以本計算器只接受落在這個開區間內的數值。
如果平均數與標準差維持標準值會怎樣?當你輸入平均數=0、標準差=1 時,反常態值會直接等於 z 分數,也就是得到經典的標準常態分位數。
算出負值代表什麼?當機率低於 0.5 時,對應數值會落在平均數左側,因此會得到負的 z 分數,以及小於 μ 的數值。這是正常結果,並非錯誤。