સામાન્ય વહેંચણી ગણકયંત્ર
સામાન્ય કિંમત માટે સંભાવના તીવ્રતા અને સંગ્રહ સંભાવના શોધો.
તમે લખતા હોવ તેમ પરિણામો સુધારો.
આ ગણકયંત્ર વિશે
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 cumulative probability P(X ≤ x) (the area under the curve to the left). The cumulative probability P(X ≤ x) is equal to the right-tail probability P(X ≥ x) (the area under the curve to the left). The cumulative probability P(X
વારંવાર પૂછાતા પ્રશ્નો
pdf અને cdf વચ્ચે શું તફાવત છે?
સંભાવના તીવ્રતા (pdf) x પર બેલ વળાંકની ઊંચાઈ છે; તે પોતાને માટે સંભાવના નથી. સંચયિત વહેંચણી (cdf) x સુધી વળાંક નીચેનો વિસ્તાર છે, જે x પર અથવા નીચેની કિંમતની સંભાવના આપે છે.
ચોક્કસ કિંમતની શક્યતા શા માટે શૂન્ય છે?
સામાન્ય જેવા સતત વહેંચણી માટે, કોઈપણ એક જ ચોક્કસ બિંદુ શૂન્ય સંભાવના છે - માત્ર વિસ્તારો શૂન્ય-નહિં હોય તેવી સંભાવના છે. તેથી જ અમે x પર દ્રવ્યમાન અને P(X = x) ની જગ્યાએ કુલ વિસ્તારનો અહેવાલ આપીએ છીએ.
68-95-99.7 નિયમો શું છે?
સામાન્ય વહેંચણી માટે કિંમતોના 68% ની આસપાસ એક સામાન્ય વિચલનની અંદર છે, 95% બેની અંદર છે અને 99.7% ત્રણની અંદર છે. તે ચોક્કસ વિસ્તારની ગણતરી કર્યા વિના કિંમત કેટલી અસામાન્ય છે તે નક્કી કરવાનો ઝડપી રસ્તો છે.
હું બે કિંમતો વચ્ચેની સંભાવના કેવી રીતે શોધી શકું?
નીચલી કિંમત x તરીકે દાખલ કરો અને ઉપરની કિંમત x₂ તરીકે; ગણકયંત્ર નીચલા બિંદુ પર સંચિત શક્યતાને ઉપરના બિંદુ પરના એકમાંથી ઘટાડી P(x ≤ X ≤ x₂) પાછું આપે છે.
સામાન્ય વહેંચણી અને પ્રમાણભૂત સામાન્ય વચ્ચે શું તફાવત છે?
પ્રમાણભૂત સામાન્ય એ0અને 1 ની પ્રમાણભૂત વિચલન સાથે સામાન્ય વહેંચણી છે. તેની z-સ્કોરમાં કોઈપણ કિંમતને રૂપાંતરિત કરવાથી તેને પ્રમાણભૂત સામાન્ય પર મેપ કરે છે, જે આ સાધન કોઈપણ μ અને σ માટે શક્યતાઓ ગણવે છે.
શું મારી માહિતી સંપૂર્ણપણે સામાન્ય હોવી જ જોઇએ?
કોઈ વાસ્તવિક માહિતી ચોક્કસપણે સામાન્ય નથી, પરંતુ પરિણામો વિશ્વસનીય છે જ્યારે માહિતી લગભગ બેલ-આકારની અને સમતુલિત હોય. મજબૂત રીતે ખૂંચેલી અથવા ભારે-ટેલ માહિતી માટે શક્યતાઓ માત્ર આશરે છે.
API — કોડમાંથી આ ગણકયંત્ર વાપરો
આ ગણકયંત્રને મુક્ત JSON અંતિમબિંદુ તરીકે બોલાવો - કોઈ કી જરૂરી નથી. નીચેના ક્ષેત્ર કિંમતોને પ્રશ્ન પરિમાણો અથવા JSON તરીકે મોકલો. સંપૂર્ણ API દસ્તાવેજો વાંચો →
અંતિમબિંદુ
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);પરિણામો સામાન્ય માર્ગદર્શન માટે જ અંદાજિત છે, નાણાકીય, તબીબી અથવા કરવેરા સલાહ માટે નહીં.