透過 MCP 連接 →

輸入計算

數學公式

Show calculation steps (2)
  1. Lower Cumulative (CDF)

    Lower Cumulative (CDF): 柏拉圖分布計算器

    Probability X ≤ x for the Pareto distribution.

  2. Upper Cumulative (Survival)

    Upper Cumulative (Survival): 柏拉圖分布計算器

    Probability X > x for the Pareto distribution.

廣告

結果

機率密度(PDF)
0.25
柏拉圖分布的 f(x)
Lower cumulative probability P(X ≤ x) 0.5
Upper cumulative probability P(X > x) 0.5

什麼是柏拉圖分布計算器?

本工具用於計算第一型柏拉圖分布(Pareto Type I),這是一種連續機率分布,常用來描述財富分配、城市規模、檔案大小等具有「重尾」特性的現象。只要給定一個點 \(x\)、尺度參數 \(x_m\) 以及形狀參數 \(\alpha\)(即尾部指數),計算器就會回傳機率密度(PDF)、下方(左側)累積機率 \(P(X \le x)\),以及上方(右側)累積機率 \(P(X > x)\)。它是一個純數學工具,不限定於任何國家或地區。

如何使用

輸入百分位點 \(x\)、尺度參數 \(x_m\)(必須大於 0),以及形狀參數 \(\alpha\)(必須大於 0)。計算器會回傳三個數值。下累積機率與上累積機率相加必定等於 1,可作為驗算結果是否正確的方便檢查。

公式說明

柏拉圖分布的定義域為 \(x\) 不小於 \(x_m\)。當 \(x \ge x_m\) 時,密度函數為 $$f(x) = \frac{\alpha\;x_m^{\alpha}}{x^{\alpha+1}}$$ 累積分布函數(CDF)為 $$F(x) = 1 - \left(\frac{x_m}{x}\right)^{\alpha}$$ 存活函數為 $$Q(x) = \left(\frac{x_m}{x}\right)^{\alpha}$$ 當 \(x\) 小於 \(x_m\) 時,該變數落在定義域之外,因此 \(f(x) = 0\)、\(F(x) = 0\)、\(Q(x) = 1\)。\(\alpha\) 越大代表尾部越輕,出現極大值的機率衰減得越快。

Advertisement
不同形狀參數下從 x_m 開始衰減的帕累托分布 PDF 曲線
帕累托 PDF 曲線:密度在尺度 x_m 處最高,隨著 x 增大而衰減。

實際範例

假設 \(x = 2\)、\(x_m = 1\)、\(\alpha = 1\)。由於 2 不小於 1,套用有效的分支計算。比值 \(x_m/x = 0.5\)。於是 $$f(2) = \frac{1 \cdot 1}{2^2} = 0.25$$ $$F(2) = 1 - 0.5 = 0.5$$ $$Q(2) = 0.5$$ 驗算:\(0.5 + 0.5 = 1.0\)。

在 x 處分為下側與上側累積機率區域的帕累托密度曲線
CDF F(x) 是左側面積;上側機率為陰影部分的右尾。

常見問題

形狀參數 alpha 代表什麼?它就是尾部指數:\(\alpha\) 越小,尾部越重(更容易出現極端的大數值);\(\alpha\) 越大,尾部越輕。

為什麼 x 小於 xm 時密度為 0?第一型柏拉圖分布只在 \(x \ge x_m\) 的範圍內有定義;尺度參數 \(x_m\) 就是該變數可能取到的最小值。

這個分布有有限的平均數嗎?只有當 \(\alpha\) 大於 1 時平均數才存在;只有當 \(\alpha\) 大於 2 時變異數才存在。

最後更新: