常態分布機率計算器

常態分布機率計算器

新興 AI Skill PRO

輸入計算

數學公式

P(X≤x)=Φ(z),z=數值 (x)−平均數 (μ)標準差 (σ)P(X \le x) = \Phi(z), \qquad z = \frac{{{\text{數值 }(x)}} - {{\text{平均數 }(\mu)}}}{{{\text{標準差 }(\sigma)}}}
使用統計

廣告

結果

P(X < x)
84.1345%
x 以下的累積機率
z 分數 1
P(X > x) 15.8655%

回報本頁錯誤

什麼是常態分布機率計算器?

這個計算器可以幫你算出一個服從常態分布的隨機變數,落在某個數值以下或以上的機率。只要輸入一個數值 x、平均數 μ 與標準差 σ,它就會回傳累積機率 \(P(X < x)\) 與右尾機率 \(P(X > x)\),同時附上對應的 z 分數。常態分布(又稱高斯分布)是無數統計檢定、品質管制圖與風險模型的核心基礎。

鐘形常態分布曲線,曲線下方左側尾部區域以陰影標示
常態曲線:x 左側的陰影面積表示 \(P(X<x)\)。

使用方法

輸入你關心的數值(x)、分布的平均數(μ),以及標準差(σ,必須為正數)。計算器會先把你的數值標準化成 z 分數,再代入標準常態累積分布函數(CDF),最後以百分比形式呈現結果。

公式說明

首先把數值換算成 z 分數:

$$z = \frac{x - \mu}{\sigma}$$

z 分數代表 x 距離平均數有多少個標準差。落在 x 以下的機率,就是標準常態 CDF

$$P(X<x)=\Phi(z) = \frac{1}{2}\left[1 + \operatorname{erf}\left(\frac{z}{\sqrt{2}}\right)\right]$$

由於誤差函數 erf 沒有封閉解,本計算器採用著名的 Abramowitz & Stegun 7.1.26 多項式近似公式,精確度約可達 \(1\times10^{-7}\)。

廣告
常態曲線轉換為標準常態分布,展示 z 分數的轉換
標準化將 x 轉換為標準常態曲線上的 z 分數 \(\frac{x-\mu}{\sigma}\)。

實例演練

假設某項測驗的成績服從常態分布,平均數 \(\mu = 100\)、標準差 \(\sigma = 15\),而你想知道 \(P(\text{成績} < 130)\)。z 分數為

$$z = \frac{130 - 100}{15} = 2$$

\(z = 2\) 時的標準常態 CDF 約為 \(0.97725\),因此大約有 97.72% 的成績落在 130 以下,而約 2.28% 的成績超過 130。

常見問題

z 分數代表什麼意思?它表示某個數值距離平均數有幾個標準差;正值在平均數之上,負值在平均數之下。

如何求兩個數值之間的機率?分別計算 \(P(X < b)\) 與 \(P(X < a)\),再相減即可,也就是把計算器跑兩次。

計算結果準確嗎?erf 近似公式的精確度約達小數點後 7 位,對一般統計工作而言已綽綽有餘。

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