正态分布计算器
根据任意均值和标准差,计算正态分布的 PDF、CDF、上尾与区间概率,以及 z 分数。
正态分布概率
设定分布和区间,同时查看下限值处及整个区间的计算结果。
关于正态分布
正态分布是一种呈对称钟形曲线的连续概率模型。均值决定中心位置,标准差决定数值在中心周围的分散程度。许多测量误差、生物特征、考试成绩汇总和抽样统计量近似服从正态分布,因此它是统计学与数据分析的重要工具。本计算器接受任意有限均值和正标准差。
概率密度函数 PDF 给出下限值 x 处的曲线高度。密度本身不是概率,因为连续变量恰好等于某一点的概率为零。概率对应曲线下的面积。累积分布函数 CDF 给出 x 左侧的面积 P(X <= x)。上尾结果为右侧的互补面积 P(X > x),因此等于一减去 CDF。
计算区间时,将 x 作为下端点,并输入大于或等于 x 的上端点。计算器用上端点的累积概率减去下端点的累积概率。例如,标准正态曲线从零到一的面积约为 0.3413。由对称性,负一到零的面积相同,因此正态总体约有 68.27% 位于均值上下一个标准差内。
z 分数通过将 x 减去均值再除以标准差进行标准化。z 分数为零表示恰好位于均值,为一表示高于均值一个标准差,为负二表示低于均值两个标准差。标准化让同一个标准正态 CDF 能计算以不同单位表示的分布。本计算器使用成熟的误差函数数值近似来求这些面积。
正态模型很有用,但不应不加判断地套用。明显偏态、厚尾、多峰、硬边界或影响较大的离群值,都可能使正态曲线产生误导。正态概率描述的是模型,并非对真实总体的证明。应检查数据生成背景,并在有观测数据时使用诊断图。对于离散计数,可考虑连续性校正;二项分布、泊松分布、t 分布或其他分布也可能更符合实际过程。
正态分布示例
常见的标准及非标准正态分布计算。
| 分布与区间 | 结果 | 解释 |
|---|---|---|
| 均值 = 0, sigma = 1, x = 0, 上限 = 1 | P(0 <= X <= 1) = 0.34134474 | 这是标准正态分布从均值到高于均值一个标准差之间的面积。 |
| 均值 = 100, sigma = 15, x = 115, 上限 = 130 | P(115 <= X <= 130) = 0.13590512 | 两个端点的 z 分数分别为 1 和 2。 |
| 均值 = 70, sigma = 10, x = 60, 上限 = 80 | P(60 <= X <= 80) = 0.68268947 | 约 68.27% 位于均值上下一个标准差内。 |
如何使用正态分布计算器
- 输入分布均值,可为正数、负数或零。
- 输入严格大于零的标准差,单位须与数值一致。
- 输入下限值 x 和上限值,确定概率区间。
- 选择“计算”,查看密度、累积与尾部概率、z 分数及区间面积。
正态分布常见问题
PDF 和 CDF 有什么区别?
PDF 是曲线在某一点的密度或高度。CDF 是从负无穷到该点的累积概率。
z 分数表示什么?
z 分数表示一个值高于或低于均值多少个标准差。正分数高于均值,负分数低于均值。
均值可以是负数吗?
可以。正态分布可有任意有限均值,因为均值只决定曲线中心的位置。
为什么标准差必须为正?
零或负的离散程度无法定义通常的正态概率密度,因此计算器要求标准差严格大于零。
恰好取某一个值的概率等于 PDF 吗?
不等于。连续正态变量恰好位于某一点的概率为零,而 PDF 是用于计算区间面积的密度。