Статистика / Вероятность

Калькулятор нормального распределения: CDF, плотность и обратный квантиль

Рассчитайте накопленную вероятность, плотность вероятности или обратный квантиль нормального распределения. Введите среднее и стандартное отклонение для стандартного или любого другого нормального распределения.

Калькулятор нормального распределения: CDF, плотность и обратный квантиль: Нормальное распределение описывает непрерывную колоколообразную модель с центром μ и разбросом σ. В начальном примере используются μ = 0, σ = 1 и x = 1.96; накопленная вероятность составляет примерно 0.9750021. Введите другое среднее и положительное стандартное отклонение, чтобы работать в единицах измерения, используемых вами. Накопленная функция распределения, или CD, показывает вероятность того, что смоделированное значение будет не больше x. Для интервала от a до b вычтите CD(a) из CD(b). Плотность вероятности, или PD, — это высота кривой в точке x, а не вероятность наблюдения именно этого значения. В обратном режиме расчёт выполняется в обратную сторону: введите накопленную вероятность и найдите значение, ниже которого находится указанная доля наблюдений. Это может быть полезно для порогов процентилей, доверительных границ и проверки таблиц z. Нормальная модель — это предположение о данных, поэтому перед интерпретацией результата убедитесь, что она подходит для ваших измерений. В калькуляторе z-оценки также показано, как стандартизировать исходное значение, а научный калькулятор содержит те же параметры вероятности, а также функции для статистики и регрессии. Работает на 100% локально в вашем браузере, файлы на сервер не загружаются.

Запуски
В вашем браузере
Стоимость
Бесплатно · без регистрации
Доступность
Готово к использованию
Научный калькуляторЛокальная обработка

Полностью работает в браузере

Распределение
0.975002104852

Нормальная PD — это плотность, а не вероятность в точке. CD включает верхнюю конечную точку. Дискретная обратная функция возвращает наименьшее целое число, для которого CDF ≥ p; используйте 0 < p < 1. Проверенные центральные вероятности имеют абсолютную точность около 12 знаков после запятой; в крайних хвостах точность может снижаться.

NIST DLMF: гамма- и бета-функции

Специализированные страницы калькуляторов

Нормальное распределение

Справочник инженерной статистики NIST, Normal Distribution (https://www.itl.nist.gov/div898/handbook/eda/section3/eda3661.htm), описывает плотность, функцию распределения и параметры положения и масштаба. Калькулятор следует этим определениям.

Специальные функции и точность

NIST DLMF, Error Functions (https://dlmf.nist.gov/7), связывает вероятности нормального распределения с функцией ошибок. Для накопительных вычислений используются методы неполной гамма-функции; обратное нормальное распределение уточняется относительно CDF. Тесты в центральном диапазоне нацелены примерно на абсолютную точность 1e-12; в крайних хвостах точность может снижаться.

Как пользоваться

  1. Выберите плотность нормального распределения (PD), накопленную вероятность (CD) или обратную накопленную вероятность.
  2. Введите x или вероятность для обратного режима, затем укажите среднее и стандартное отклонение.
  3. Просмотрите и скопируйте результат; для дискретных исходов переключитесь на биномиальное или распределение Пуассона.

Конфиденциальность и ограничения

Все параметры и расчёты вероятностей остаются в вашем браузере.

Похожие инструменты

Часто задаваемые вопросы

Как найти вероятность правого хвоста?

Рассчитайте CD для порогового значения и вычтите результат из 1. Например, вероятность стандартного нормального значения выше 1.96 составляет примерно 0.0249979. В очень малых хвостах точность может снижаться при вычитании почти равных чисел.

Чему равно обратное нормальное значение при 0.975?

При среднем 0 и стандартном отклонении 1 оно приблизительно равно 1.95996398454. Введите 0.975 в обратном режиме, а не 97.5. При другом среднем и разбросе результат пересчитывается в исходные единицы измерения.

Может ли плотность быть больше 1?

Да. Плотность имеет обратные единицы измерения и сама по себе не является вероятностью. Вероятности — это площади под кривой, и они остаются в диапазоне от 0 до 1. Стандартное отклонение должно быть строго положительным.

Бесплатный инструмент · запусков: в вашем браузере · аккаунт не нужен