这个计算器能做什么
本工具用于计算服从正态分布的随机变量的右尾概率 \(P(X > x)\)。给定数值 \(x\)、总体均值 \(\mu\) 和标准差 \(\sigma\)，它会告诉你随机抽取的一个观测值大于 \(x\) 的概率，同时还会输出标准化后的 z 分数以及对应的左尾概率 \(P(X \le x)\)。这是一款通用的统计工具，适用于各类场景——质量控制、考试成绩分析、金融数据以及实验室测量等。
使用方法
填入你关注的数值（\(x\)）、分布的均值（\(\mu\)）以及标准差（\(\sigma\)，必须为正数）。计算器会将你的数值标准化为 z 分数，再通过标准正态累积分布函数 \(\Phi\) 求出左右两侧的概率。结果会以小数和百分比两种形式，给出 \(X\) 超过 \(x\) 的概率。
公式解析
首先把 \(x\) 转换为 z 分数： $$z = \frac{x - \mu}{\sigma}$$ 函数 \(\Phi(z)\) 表示标准正态曲线下 \(z\) 左侧的面积，也就是 \(P(X \le x)\)。由于曲线下的总面积为 1，右尾概率即为 $$P(X > x) = 1 - \Phi\!\left( \frac{\text{Value }(x) - \text{Mean }(\mu)}{\text{Std Dev }(\sigma)} \right)$$ 本计算器采用高精度的误差函数近似公式（Abramowitz & Stegun 7.1.26）来计算 \(\Phi\)，精度可达约 7 位小数。
实例演示
假设成年人的身高服从正态分布，均值 \(\mu = 170\) 厘米，标准差 \(\sigma = 10\) 厘米，现在想求身高大于 185 厘米的概率 \(P(\text{height} > 185)\)。先算 $$z = \frac{185 - 170}{10} = 1.5$$ 查标准正态分布表可得 \(\Phi(1.5) \approx 0.93319\)，于是 $$P(X > 185) = 1 - 0.93319 \approx 0.06681$$ 即约 6.68%。
常见问题
如果我想求 \(P(X < x)\) 怎么办？ 那就是左尾概率，结果表格中以 \(P(X \le x) = \Phi(z)\) 显示。对于连续型分布，\(P(X < x)\) 与 \(P(X \le x)\) 相等。
为什么 \(\sigma\) 必须为正数？ 标准差衡量数据的离散程度，必须大于零；取值为零或负数时，正态分布无法成立。
计算结果有多准确？ \(\Phi\) 的近似精度约为 7 位小数，对于一般的统计工作来说已经绰绰有余。
