常態分布區間機率計算器(兩點)

常態分布區間機率計算器(兩點)

新興 AI Skill PRO

輸入計算

數學公式

P(x1≤X≤x2)=Φ(z2)−Φ(z1)其中{z1=x1−μσz2=x2−μσΦ(z)=12(1+erf(z2))\begin{gathered} P(\,{{\text{x}_1}} \le X \le {{\text{x}_2}}\,) = \Phi(z_2) - \Phi(z_1) \\[1.5em] \text{其中}\quad \left\{ \begin{aligned} z_1 &= \dfrac{{{\text{x}_1}} - {\mu}}{{\sigma}} \\ z_2 &= \dfrac{{{\text{x}_2}} - {\mu}}{{\sigma}} \\ \Phi(z) &= \tfrac{1}{2}\left(1 + \operatorname{erf}\!\left(\tfrac{z}{\sqrt{2}}\right)\right) \end{aligned} \right. \end{gathered}
顯示計算步驟 (2)
  1. 區間外機率

    P區間外=1−(Φ(z2)−Φ(z1)),zi=xi−μσP_{\text{區間外}} = 1 - \Big(\Phi(z_2) - \Phi(z_1)\Big), \quad z_i = \frac{{{\text{x}_i}} - {\mu}}{{\sigma}}

    X 落在區間外的機率,即區間內機率的補集

  2. 某點處的密度

    f(x)=1σ2πe−(x−μ)22σ2f(x) = \frac{1}{{\sigma}\sqrt{2\pi}}\; e^{-\frac{\left(x - {\mu}\right)^2}{2\,{\sigma}^2}}

    常態分布在點 x 處的機率密度函數值

使用統計

廣告

結果

區間內累積機率 P(x1 ≤ X ≤ x2)
0.682689
68.27面積的 %
區間外累積機率 P(X < x1) + P(X > x2) 0.317311 (31.73%)
x1 處的機率密度 f(x1) 0.241971
x2 處的機率密度 f(x2) 0.241971

回報本頁錯誤

這個計算器的用途

本工具針對常態分布(又稱高斯分布)\(N(\mu, \sigma^2)\) 進行運算,由平均數 \(\mu\) 與標準差 \(\sigma\) 來描述。給定兩個點 \(x_1\) 與 \(x_2\),計算器會回傳四個數值:兩點各自的機率密度 \(f(x_1)\) 與 \(f(x_2)\)、區間內累積機率 \(P(x_1 \le X \le x_2)\)(也就是兩點之間的面積),以及兩側尾端的區間外累積機率,其值等於 1 減去區間內面積。這是一個純數學的統計工具,不涉及任何地區規則,適用於世界各地。

使用方式

輸入兩個點 \(x_1\) 與 \(x_2\)(計算器會自動以較小者作為下界),接著填入平均數 \(\mu\) 與標準差 \(\sigma\)。預設值 \(\mu=0\)、\(\sigma=1\) 即為標準常態分布,此時 x 值就等同於 z 分數(標準分數)。標準差必須大於零。

公式說明

每個點都會先轉換成 z 分數: $$z = \frac{x - \mu}{\sigma}$$ 機率密度採用公式 $$f(x) = \frac{1}{\sigma\sqrt{2\pi}}\; e^{-\frac{(x-\mu)^2}{2\sigma^2}}$$ 累積面積則使用標準常態累積分布函數(CDF) $$\Phi(z) = \tfrac{1}{2}\left(1 + \operatorname{erf}\!\left(\tfrac{z}{\sqrt{2}}\right)\right)$$ 由於 Java 並未內建 erf 函數,這裡採用 Abramowitz & Stegun 7.1.26 近似式(精度約 1e-7)。區間內機率為 \(\Phi(z_2) - \Phi(z_1)\),區間外機率則為 1 減去此值。

廣告
常態分布鐘形曲線,兩條垂直線 x1 與 x2 之間的區域以陰影標示
內部機率是鐘形曲線下 x₁ 與 x₂ 之間的陰影面積。

實際範例

以標準常態分布為例,\(x_1 = -1\)、\(x_2 = 1\)、\(\mu = 0\)、\(\sigma = 1\)。機率密度 $$f(-1) = f(1) = 0.398942 \times e^{-0.5} = 0.241971$$ \(\Phi(1) = 0.841345\)、\(\Phi(-1) = 0.158655\),因此區間內機率為 $$0.841345 - 0.158655 = 0.682690$$ (約 68.27%,正是大家熟悉的 \(\pm 1\sigma\) 法則),區間外機率則為 0.317310(約 31.73%)。

鐘形曲線中外側兩個尾部區域以陰影標示,與內部區域形成對比
外部機率是 x₁ 與 x₂ 之外兩個尾部的面積總和。

常見問題

如果我輸入的 \(x_1\) 大於 \(x_2\) 怎麼辦?計算器會在內部自動將兩個數值對調,確保區間內始終是較小值到較大值之間的範圍。

\(\mu=0\)、\(\sigma=1\) 代表什麼?這就是標準常態分布,因此你輸入的 x 值可直接視為 z 分數。

為什麼 \(f(x)\) 有時會大於 1?機率密度並不是機率本身;當 \(\sigma\) 很小時,曲線峰值的高度可能超過 1,但整條曲線下的總面積仍然等於 1。

最後更新:

數學和統計熱門計算器

查看全部數學和統計計算器