Calculadora da distribución normal
Atopa a densidade de probabilidade e a probabilidade acumulada para un valor normal.
Os resultados actualízanse mentres escribe.
Acerca desta calculadora
the standard-normal distribution, the probability density at x is equal to the cumulative probability P(X ≤ x) (the area under the curve to the left). The right-tail probability P(X ≥ x) is equal to the equivalent z-score. The probability density at x is equal to the cumulative probability P(X ≤ x) (the area under the curve to the left). The right-tail probability P(X ≥ x) is equal to the equivalent z-score. The probability density at x is equal to the standard-normal distribution. The calculator is a tool for the empirical IQ charts, control charts and the empirical 68–95–99.7 rule. The calculator is a free-Worked exampleWorked example:Worked example:
Preguntas frecuentes
Cal é a diferenza entre o pdf e o cdf?
A densidade de probabilidade (pdf) é a altura da curva de campá en x; non é unha probabilidade por si mesma. A distribución acumulativa (cdf) é a área baixo a curva ata x, que dá a probabilidade dun valor en ou baixo x.
Por que é cero a probabilidade dun valor exacto?
Para unha distribución continua como a normal, calquera punto exacto ten probabilidade cero - só os intervalos teñen probabilidade non cero. É por iso que informamos a densidade en x e a área acumulada en vez de P( X = x).
Cal é a regra 68-95-99.7?
Para unha distribución normal, aproximadamente o 68% dos valores están dentro dun desvío estándar da media, o 95% dentro de dous e o 99, 7% dentro de tres. É unha maneira rápida de xulgar o infrecuente que é un valor sen calcular a área exacta.
Como atopar a probabilidade entre dous valores?
Indique o valor inferior como x e o superior como x₂; a calculadora devolve P( x ≤ X ≤ x₂) restando a probabilidade acumulada no punto inferior da do punto superior.
Cal é a diferenza entre a distribución normal e a normal estándar?
A normal estándar é só a distribución normal cunha media de 0 e unha desviación estándar de 1. Convertendo calquera valor na súa puntuación z mapea- o na normal estándar, que é como esta ferramenta calcula as probabilidades para calquera μ e σ.
Os meus datos teñen que ser perfectamente normais?
Ningún dato real é exactamente normal, pero os resultados son fiábeis cando os datos teñen forma de campá e son simétricos. Para datos fortemente distorsionados ou con cola pesada as probabilidades son só aproximadas.
API — empregar esta calculadora desde o código
Chama esta calculadora como un punto final JSON libre - non se require ningunha chave. Envie os valores dos campos de baixo como parámetros de consulta ou JSON. Ler a documentación completa da API →
Punto final
GET https://calculator.free/api/v1/normal-distribution/curl
curl "https://calculator.free/api/v1/normal-distribution/?x=120&mean=100&sd=15"JavaScript fetch()
const r = await fetch(
"https://calculator.free/api/v1/normal-distribution/?" + new URLSearchParams({
"x": "120",
"mean": "100",
"sd": "15"
}));
const data = await r.json();
console.log(data.results);Os resultados son estimacións só para orientación xeral, non para consellos financeiros, médicos ou fiscais.