百分位数计算器

百分位数计算器

增长中 AI Skill PRO

输入计算

数学公式

百分位数=100×Φ(z)=100×12[1+erf(z2)]其中{z=数值−均值标准差\begin{gathered} \text{百分位数} = 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{数值} - \text{均值}}{\text{标准差}} \end{aligned} \right. \end{gathered}
使用统计

广告

结果

百分位排名
84.13
%的人群得分不高于该数值
Z 分数 1.00
高于该数值的百分比 15.87%
假设的分布类型 正态分布(钟形曲线)

报告本页错误

什么是百分位排名?

百分位排名表示总体中得分小于或等于某个数值的人所占的百分比。如果你的测量值位于第 84 百分位,就意味着你超过了大约 84% 的人群。本计算器假设总体服从正态分布(钟形曲线),这一模型适用于很多考试成绩、身高以及生理指标数据。

钟形曲线,z 分数左侧的区域以阴影标出,表示百分位排名
百分位排名是指分布中位于你分数左侧的部分所占的比例。

如何使用本计算器

输入你的数值、总体均值和总体标准差,工具会给出 Z 分数、百分位排名,以及高于该数值的人群占比。注意:标准差必须大于 0。

公式说明

首先把数值转换为 Z 分数:

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

其中 \(x\) 为你的数值,\(\mu\) 为总体均值,\(\sigma\) 为总体标准差。然后计算标准正态分布的累积分布函数:

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

误差函数采用数值近似方法计算,精度可达小数点后约七位。

广告
利用平均值和标准差将原始数值转换为 z 分数的示意图
z 分数表示一个数值比平均值高或低多少个标准差。

计算示例

假设某人的智商(IQ)为 115,均值为 100,标准差为 15。

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

这个分数大约位于第 84.13 百分位,也就是说大约有 15.87% 的人得分比他更高。

正态钟形曲线与其累积 S 形曲线并列,展示 z 分数如何对应到百分位
借助累积曲线,可以把 z 分数直接换算成百分位。

常见问题

百分位数和百分比是一回事吗?

不是。百分比表示占总量的比例,例如 100 道题答对 80 道;而百分位数描述的是你相对于其他人所处的位置。

如果我的数据不服从正态分布怎么办?

这时计算结果只是近似值。对于偏态分布的数据,建议直接用实际数据集对你的数值进行排名。

Z 分数为 0 就是第 50 百分位吗?

是的。等于均值的数值正好位于正态分布的中位数上,因此百分位为 50。

广告

Z分数与百分位查找表

本表给出常用z分数对应的标准正态累积分布函数值\(\Phi(z)\times 100\)。它表示正态分布中处于该z分数及以下的百分比。数值保留两位小数。

z分数 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

对于负z分数,可利用对称性:\(\Phi(-z)=1-\Phi(z)\)。例如,z = -1.96 时,结果为 100 - 97.50 = 2.50。z分数本身为\(z=\frac{x-\mu}{\sigma}\)。这些百分位假设数据服从正态分布。

解读你的百分位结果

百分位排名表示正态分布中处于你的数值及以下的比例。百分位为84意味着约84%的分布位于该数值及以下。该计算假设分布近似服从正态分布,且均值和标准差为你输入的值。

68-95-99.7法则

  • 约68.27%的数值位于均值±1个标准差之内(z在-1到1之间,百分位约为15.87到84.13)。
  • 约95.45%的数值位于±2个标准差之内(百分位约为2.28到97.72)。
  • 约99.73%的数值位于±3个标准差之内(百分位约为0.13到99.87)。

什么算典型,什么算异常

百分位接近50属于典型情况,因为z接近0。按惯例,低于第2.5百分位或高于第97.5百分位(|z| > 1.96)的数值被视为异常。某些领域改用|z| > 2或|z| > 3作为标准,因此阈值取决于具体情境。

百分位在极端值附近被压缩

z上的等距变化并不对应百分位上的等距变化。从z = 0变到z = 1,百分位大约上升34个百分点(从50.00到84.13)。从z = 2变到z = 3,仅上升约2个百分点(从97.72到99.87)。因此,即使尾部的原始差异在标准差意义上很大,在百分位上也可能显得很小。

注:百分位仅描述数值在分布中的位置。它不是健康、医学或诊断性判断。任何此类解释都取决于具体测试、人群以及合格专业人员的指导。

不同示例情境的百分位比较

以下情境使用示意参数,并假设为正态分布。

情境 数值 均值 标准差 z分数 百分位
智商式分数 130 100 15 2.00 97.72
SAT式分数 600 500 100 1.00 84.13
相同分数,离散程度更小 600 500 50 2.00 97.72
成人身高(厘米,示意) 160 165 7 -0.71 ≈23.8
数值等于均值 70 70 10 0.00 50.00

计算示例

智商式分数:\(z=\frac{130-100}{15}=2.00\),因此百分位为\(100\times\Phi(2)\approx 97.72\)。

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

离散程度的影响

当标准差为100时,原始分数600相对于均值500的z = 1.00(第84.13百分位)。当标准差为50时,z = 2.00(第97.72百分位)。标准差越小,同样的离均距离就显得越极端,因此务必检查适用的是哪个标准差。

最后更新:

健康与健身热门计算器

查看全部健康与健身计算器