百分位數計算機

百分位數計算機

成長中 AI Skill PRO

輸入計算

數學公式

百分位數=100×Φ(z)=100×12[1+erf(z2)]其中{z=數值−平均數標準差\begin{gathered} \text{百分位數} = 100 \times \Phi(z) = 100 \times \frac{1}{2}\left[1 + \operatorname{erf}\left(\frac{z}{\sqrt{2}}\right)\right] \\[1.5em] \text{其中}\quad \left\{ \begin{aligned} z &= \dfrac{\text{數值} - \text{平均數}}{\text{標準差}} \end{aligned} \right. \end{gathered}
使用統計

廣告

結果

百分位排名
84.13
% 的母體成績等於或低於此數值
Z 分數 1.00
高於此數值的比例 15.87%
假設的分配 常態分配(鐘形曲線)

回報本頁錯誤

什麼是百分位排名?

百分位排名(PR 值)代表母體中有多少百分比的人,成績等於或低於某個數值。如果你的測量值落在第 84 百分位,就表示你贏過大約 84% 的人。本計算機假設母體呈常態分配(也就是常說的鐘形曲線),這個模型很適合用來描述許多考試成績、身高與生理測量數據。

鐘形曲線,z 分數左側的區域以陰影標示,代表百分位數排名
百分位數排名是指分配中位於你分數左側的部分所占的比例。

如何使用這個計算機

輸入你的數值、母體平均數與母體標準差,工具就會算出 Z 分數、百分位排名,以及高於你這個數值的人口比例。請注意,標準差必須大於 0。

公式說明

首先,把數值換算成 Z 分數:

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

其中 \(x\) 為你的數值,\(\mu\) 為母體平均數,\(\sigma\) 為母體標準差。接著計算標準常態累積分配函數:

$$P = 100 \times \Phi(z) = 100 \times \frac{1}{2}\left[1 + \operatorname{erf}\left(\frac{z}{\sqrt{2}}\right)\right]$$

誤差函數採用數值近似法計算,精確度可達小數點後約七位。

廣告
利用平均數與標準差將原始數值轉換為 z 分數的示意圖
z 分數表示一個數值比平均數高或低幾個標準差。

計算範例

假設某人的智商分數為 115,平均數為 100,標準差為 15。

$$z = \frac{115 - 100}{15} = 1$$$$P = 100 \times \Phi(1) \approx 84.13$$

這個分數約落在第 84.13 百分位,也就是說大約有 15.87% 的人分數比他更高。

常態鐘形曲線與其累積 S 形曲線並列,呈現 z 分數如何對應到百分位數
透過累積曲線,可以直接將 z 分數換算成百分位數。

Z 分數轉百分位對照表

此表列出常用 z 分數的標準常態累積分布函數值 \(\Phi(z)\times 100\)。它表示常態分布中位於該 z 分數或以下的百分比。數值四捨五入至小數點後兩位。

z 分數 百分位(\(\Phi(z)\times 100\))
-3 0.13
-2.5 0.62
-2 2.28
-1.645 5.00
-1.5 6.68
-1 15.87
-0.5 30.85
0 50.00
0.5 69.15
1 84.13
1.282 90.00
1.5 93.32
1.645 95.00
1.96 97.50
2 97.72
2.326 99.00
2.576 99.50
3 99.87

對於負 z 分數,可利用對稱性:\(\Phi(-z)=1-\Phi(z)\)。例如 z = -1.96 時,結果為 100 - 97.50 = 2.50。z 分數本身為 \(z=\frac{x-\mu}{\sigma}\)。這些百分位假設資料服從常態分布。

廣告

解讀你的百分位結果

百分位排名表示常態分布中位於你的數值或以下的比例。百分位為 84 表示約 84% 的分布位於該數值或以下。此計算假設分布近似常態,且採用你輸入的平均值與標準差。

68-95-99.7 法則

  • 約 68.27% 的數值位於平均值 ±1 個標準差之內(z 介於 -1 與 1 之間,百分位約為 15.87 至 84.13)。
  • 約 95.45% 的數值位於 ±2 個標準差之內(百分位約為 2.28 至 97.72)。
  • 約 99.73% 的數值位於 ±3 個標準差之內(百分位約為 0.13 至 99.87)。

何謂典型或不尋常

百分位接近 50 屬於典型,因為 z 接近 0。依慣例,低於第 2.5 百分位或高於第 97.5 百分位(|z| > 1.96)的數值被視為不尋常。部分領域改用 |z| > 2 或 |z| > 3 作為標準,因此門檻取決於情境。

百分位在極端值附近被壓縮

z 上相等的間距並不會產生相等的百分位間距。從 z = 0 移到 z = 1,百分位約上升 34 個點(50.00 至 84.13)。從 z = 2 移到 z = 3,百分位只上升約 2 個點(97.72 至 99.87)。因此,即使尾端的原始差異以標準差衡量很大,以百分位來看可能顯得很小。

注意:百分位僅描述數值在分布中的位置,並非健康、醫療或診斷的判斷。任何此類解讀都須視具體測驗、母體及專業人員的建議而定。

各範例情境的百分位比較

以下情境使用示範性參數,並假設為常態分布。

情境 數值 平均值 標準差 z 分數 百分位
IQ 式分數 130 100 15 2.00 97.72
SAT 式分數 600 500 100 1.00 84.13
相同分數,較窄的離散程度 600 500 50 2.00 97.72
成人身高(公分,示意) 160 165 7 -0.71 ≈23.8
數值等於平均值 70 70 10 0.00 50.00

實例核算

IQ 式分數:\(z=\frac{130-100}{15}=2.00\),因此百分位為 \(100\times\Phi(2)\approx 97.72\)。

身高:\(z=\frac{160-165}{7}=\frac{-5}{7}\approx -0.714\),因此百分位為 \(100\times\Phi(-0.714)\approx 23.8\)。

離散程度的影響

當標準差為 100 時,同樣原始分數 600 相對於同樣平均值 500 的 z 為 1.00(第 84.13 百分位);當標準差為 50 時,z 為 2.00(第 97.72 百分位)。標準差越小,與平均值相同的距離會顯得更為極端,因此務必確認適用的標準差。

常見問題

百分位數和百分比是一樣的東西嗎?

不一樣。百分比是部分佔整體的比例,例如 100 題答對 80 題;百分位數則是describe你相對於其他人的位置。

如果資料不是常態分配怎麼辦?

那麼算出來的結果只能當作近似值。若資料呈偏態,建議直接拿你的數值與實際資料集進行排名比較。

Z 分數為 0 就代表第 50 百分位嗎?

沒錯。在常態分配中,等於平均數的數值正好位於中位數,所以百分位排名就是 50。

最後更新:

健康與健身熱門計算器

查看全部健康與健身計算器