柏拉圖分布百分位數(分位數)計算器

柏拉圖分布百分位數(分位數)計算器

成長中 AI Skill PRO

輸入計算

數學公式

x=a·(1−P)−1/bx = \text{a} \cdot \left(1 - \text{P}\right)^{-1/\text{b}}

計算範例

x=1·(1−0.5)−1/1=2x = 1 \cdot \left(1 - 0.5\right)^{-1/1} = 2
使用統計

廣告

結果

百分位數(分位數)x
2
柏拉圖分布 CDF 達到目標機率時所對應的數值
下尾機率 P 0.5
分布 柏拉圖第一型

下尾機率 P = 0.5

回報本頁錯誤

什麼是柏拉圖分布百分位數計算器?

這個工具用來計算柏拉圖第一型(Pareto Type I)分布的百分位數,也就是所謂的分位數。只要給定一個目標累積機率,以及分布的兩個參數——尺度參數 \(a\)(最小值 \(x_m\))和形狀參數 \(b\)(即 alpha,尾端指數)——它就會回傳分布達到該機率時所對應的數值 \(x\)。柏拉圖分布常用來描述財富、所得、城市規模、檔案大小等具有「重尾」特性、符合「80/20 法則」的現象。

使用方式

首先選擇累積模式。如果你手上的機率是下尾的 CDF 值 \(P = \Pr(X \le x)\),請選「下尾累積機率 P」;如果是上尾的生存機率 \(Q = \Pr(X > x)\),則選「上尾累積機率 Q」。接著輸入介於 0 到 1 之間的累積機率,再填入尺度參數 \(a\)(必須大於 0)與形狀參數 \(b\)(必須大於 0)。計算器會先將你的輸入轉換為下尾機率,再對 CDF 進行反運算求解。

累積分布 S 形曲線,將水平方向的機率 P 對應到分位數 x
反演 CDF:在縱軸上找到機率 P,讀出分位數 x。

公式說明

當 \(x \ge a\) 時,柏拉圖第一型分布的 CDF 為 $$P(x) = 1 - \left(\frac{a}{x}\right)^{b}.$$ 對 \(x\) 求解可得 $$x = a \cdot \left(1 - P\right)^{-1/b}.$$ 若你輸入的是上尾機率 \(Q\),由於 \(1 - P = Q\),公式便簡化為 $$x = a \cdot Q^{-1/b}.$$ 因為 \(a > 0\)、\(0 \le 1 - P \le 1\) 且 \(b > 0\),計算結果必定滿足 \(x \ge a\),落在分布的有效範圍內。

廣告

實例演算

以上尾情形為例,設 \(Q = 0.1\)、\(a = 2\)、\(b = 3\),則 $$x = 2 \cdot (0.1)^{-1/3} = 2 \cdot 10^{1/3} = 2 \cdot 2.15443 = 4.30887.$$ 驗證一下:\(Q(x) = \left(\frac{2}{4.30887}\right)^{3} \approx 0.1\),結果無誤。再看標準柏拉圖分布,當 \(a = 1\)、\(b = 1\) 且 \(P = 0.5\) 時,中位數為 $$x = \frac{1}{1 - 0.5} = 2.$$

帕累托機率密度曲線,下尾區域有陰影,x 軸上標出分位點
百分位數 x 是陰影下尾面積等於機率 P 的點。

常見形狀值下的帕累托分位數

此表將尺度固定為 \(a = 1\),並對多個形狀值 \(b\) 與下尾機率 \(P\) 套用帕累托第一型分位數公式 \(x = a\,(1-P)^{-1/b}\)。數值四捨五入至小數點後四位。

形狀 b P = 0.5 P = 0.9 P = 0.99
1 2 10 100
2 1.4142 3.1623 10
3 1.2599 2.1544 4.6416
5 1.1487 1.5849 2.5119

代入範例:當 \(b = 3\) 且 \(P = 0.9\) 時,\(x = 1\cdot(1-0.9)^{-1/3} = 10^{1/3} \approx 2.1544\)。

尺度參數作為純粹的乘數:x 與 a 呈線性比例關係。例如,當 \(a = 50\)、\(b = 2\) 且 \(P = 0.9\) 時,分位數為 \(50 \times 3.1623 = 158.11\)。若要對任意尺度使用此表,請將表中數值乘以你的 a。

廣告

常見問題

當 P = 1(或 Q = 0)時會發生什麼事?此時分位數會趨於無限大,因為柏拉圖分布的右尾無限延伸。計算器會特別標示這種情況,而不會出現除以零的錯誤。

當 P = 0 時結果代表什麼?分位數等於 \(a\),也就是分布的最小值與左端點。

尺度參數和形狀參數有何不同?尺度參數 \(a\) 決定可能的最小值,而形狀參數 \(b\) 則控制尾端的厚薄——\(b\) 越小代表尾端越重、出現極端大值的機會越高。

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