Калькулятор обратного нормального распределения - X по P
Находит значение x, соответствующее заданной накопленной вероятности под нормальной кривой. Поддерживает расчёты для левого, правого и двустороннего (центрального) случая.
Введите среднее μ, стандартное отклонение σ, накопленную вероятность и тип хвоста, чтобы найти соответствующее значение x или интервал.
Калькулятор обратного нормального распределения - X по P
Находит значение x, соответствующее заданной накопленной вероятности под нормальной кривой. Поддерживает расчёты для левого, правого и двустороннего (центрального) случая.
Введите значение от 0 до 1 (не включая границы). Для левого хвоста: площадь слева от x. Для правого хвоста: площадь справа от x.
О калькуляторе обратного нормального распределения
Калькулятор обратного нормального распределения — иногда его называют квантильной функцией или percent-point function нормального распределения — отвечает на вопрос: если задана накопленная вероятность, какому значению x она соответствует? Это обратная операция по отношению к поиску по таблице CDF стандартного нормального распределения. Вместо вычисления P(X ≤ x) по x вы задаёте P и находите x.
В статистике нормальное распределение (также называемое распределением Гаусса или колоколообразной кривой) задаётся своим средним μ и стандартным отклонением σ. Любое конкретное нормальное распределение можно преобразовать в стандартное нормальное (μ=0, σ=1), вычислив Z-оценку: Z = (x − μ) / σ. И наоборот, любой квантиль стандартного нормального распределения Z можно перевести в исходное значение x = μ + σ·Z. Калькулятор обратного нормального распределения использует это, позволяя работать с любыми μ и σ напрямую, без двухэтапного преобразования.
Режим левого хвоста находит значение x, ниже которого находится заданная доля распределения. Если ввести μ=0, σ=1 и probability=0.95, инструмент вернёт примерно 1.6449, что означает: 95% стандартного нормального распределения лежит ниже Z=1.6449. Это 95-й перцентиль, широко используемый для построения односторонних 95% доверительных интервалов или для нахождения критического значения в одностороннем тесте при α=0.05.
Режим правого хвоста находит значение x, выше которого находится заданная доля распределения. Если ввести μ=100, σ=15 и probability=0.02, получится примерно 130.8, то есть только 2% IQ-оценок (моделируемых как N(100,15)) превышают это значение. Так находят пороги для программ для одарённых, отсечки по верхнему процентилю и контрольные пределы для превышений в верхнем хвосте.
Двусторонний режим (центр) находит симметричный интервал вокруг среднего, который содержит заданную центральную вероятность. Если ввести probability=0.95, вы хотите интервал, охватывающий центральные 95% распределения, значит в каждом хвосте остаётся по 2.5%. Инструмент возвращает и нижнее, и верхнее значение x. Именно так строятся 95% доверительные интервалы: среднее выборки ± 1.96 стандартных ошибок соответствует μ=0, σ=1 и двустороннему 95% интервалу.
Практические применения включают: поиск Z-оценок для критических значений в проверке гипотез; расчёт допусковых интервалов в производстве (например, диапазона, содержащего центральные 99% размеров изделий); установление порогов проходного/непроходного балла для стандартизированных тестов; определение порогов value-at-risk (VaR) в финансах; и обратный пересчёт вероятностного прогноза к исходному порогу. Обратная нормальная функция — одна из самых используемых операций в прикладной статистике, сразу после самой CDF.
Примеры обратного нормального распределения
Типичные сценарии из статистики, контроля качества и психометрики.
| Параметры | Результат | Применение |
|---|---|---|
| μ=0, σ=1, P=0.95, Left-Tailed | x = 1.6449 (Z = 1.6449) | 95-й перцентиль стандартного нормального распределения. Используется как критическое значение для одностороннего теста при α=0.05. |
| μ=100, σ=15, P=0.02, Right-Tailed | x ≈ 130.8 (Z ≈ 2.054) | Минимальный IQ для попадания в верхние 2%. Полезно для порогов отбора в программы для одарённых. |
| μ=50, σ=0.5, P=0.99, Two-Tailed | x = 48.71 to 51.29 | Производственный допусковой интервал, содержащий 99% длин изделий. Оставшийся 1% делится между слишком короткими и слишком длинными. |
| μ=75, σ=8, P=0.10, Left-Tailed | x ≈ 64.74 (Z ≈ −1.282) | Порог нижних 10% для экзаменационных оценок. Студентам ниже этого уровня может потребоваться дополнительная поддержка. |
Как пользоваться калькулятором обратного нормального распределения
- Выберите тип хвоста: Левый хвост — если нужен значение, ниже которого находится заданная доля; Правый хвост — если нужен значение, выше которого находится заданная доля; Двусторонний (центр) — если нужен симметричный интервал вокруг среднего, содержащий центральную долю.
- Введите Среднее μ (центр распределения) и Стандартное отклонение σ (должно быть положительным). Для стандартного нормального распределения / Z-оценки используйте μ=0 и σ=1.
- Введите Накопленную вероятность в виде десятичной дроби от 0 до 1. Для Левого хвоста это площадь слева от x. Для Правого хвоста — площадь справа. Для Двустороннего режима — центральная площадь (например, 0.95 для центральных 95%).
- Нажмите Рассчитать. В односторонних режимах результат покажет значение x и его Z-оценку. В двустороннем режиме отобразятся нижняя и верхняя границы и соответствующий диапазон Z-оценок.
- Используйте кнопки примеров, чтобы быстро подставить типичные сценарии, например Z-оценки для 95% доверительных интервалов, пороги перцентилей IQ или диапазоны допусков в производстве.
Часто задаваемые вопросы об обратном нормальном распределении
Что такое обратное нормальное распределение?
Обратное нормальное распределение (также называемое квантильной функцией или probit-функцией) отображает накопленную вероятность обратно в соответствующее значение на нормальной кривой. Если нормальная CDF даёт P(X ≤ x), то обратная нормальная функция даёт x по P. Это функция, которую использует калькулятор, когда вы ищете критическое значение Z для заданного уровня доверия — например, Z=1.96 для 97.5% стандартного нормального распределения.
В чём разница между Z-оценкой и значением x?
Z-оценка — это стандартизированное значение в единицах стандартных отклонений от среднего: Z = (x − μ) / σ. Значение x — это исходное измерение в оригинальных единицах. Калькулятор возвращает оба: x полезно для реальных порогов (оценка на экзамене, длина изделия, артериальное давление), а Z-оценка полезна для сравнения распределений и поиска вероятностей в статистических таблицах.
Как найти критическое значение для 95% доверительного интервала?
95% доверительный интервал использует двусторонние критические значения, отсекающие по 2.5% в каждом хвосте. Установите μ=0, σ=1, probability=0.95 и выберите Двусторонний (центр). Калькулятор вернёт Z≈1.96 как верхнюю границу (и −1.96 как нижнюю). Среднее выборки ± 1.96 × (стандартная ошибка) даёт 95% доверительный интервал для любого примерно нормально распределённого оценщика.
Какую вероятность вводить для одностороннего теста при α=0.05?
Для левого теста при α=0.05 введите probability=0.05 при выбранном Левом хвосте; результат — критическое значение, ниже которого вы отвергаете H₀. Для правого теста при α=0.05 введите probability=0.05 при выбранном Правом хвосте; результат — критическое значение, выше которого вы отвергаете H₀. Для двустороннего теста при α=0.05 введите probability=0.95 и выберите Двусторонний (центр), чтобы получить ±1.96.
Можно ли использовать это для ненормального стандартного распределения?
Да — это одно из главных преимуществ калькулятора по сравнению с простыми Z-таблицами. Введите фактические среднее μ и стандартное отклонение σ вашего распределения, и калькулятор автоматически преобразует Z-оценку в исходные единицы по формуле x = μ + σ × Z. Вам не нужно стандартизировать данные вручную.