सामान्य वितरण
याचे कारण म्हणजे, त्याचे वजन व आकारमान हे सामान्यतः स्थिर असते.
तुम्ही टाइप करतेवेळी परिणाम अद्ययावत केले जातात.
या कॅल्क्युलेटरविषयी
the probability density at x, the cumulative probability P(X ≤ x) (the area under the curve to the left), the right-tail probability P(X ≥ x) and the equivalent z-score, and plots the curve. This calculator returns the probability density at x, the cumulative probability P(X ≤ x) (the area under the curve to the left), the right-tail probability P(X ≥ x) and the equivalent z-score, and plots the curve. This calculator returns the range probabilityInterWorked example: foradistribution with μ = 100 and σ = 15,avalue of x = 120 hasaz-score of about 90.9% and the right tail P(X ≥ 120) about 9.1%. This tool behind the empirical 68–95–99.7 rule.InterWorked example:InterWorked example: foradistribution with μ = 100 and σ = 15,avalue of x = 120 hasaz-score of about 90.9% and the right tail P(X ≥ 120) about 9.1%. This tool behind the empirical 68–95–99.7 rule.InterWorked example:InterWorked example:InterWorked example: foradistribution with μ = 100 and σ = 15,avalue of x = 120,avalue of σ = 120,avalue of x = 120,avalue of σ = 120,avalue of x = 120,avalue of x = 120,avalue of x = 120,avalue of x = 120,avalue of x = 120,avalue of x = 120,avalue of x = 120,avalue of x = 120,avalue of x = 120,avalue of x =
वारंवार विचारले जाणारे प्रश्न
एफडीआय आणि सीडीआय मधील फरक काय आहे?
संभाव्यता घनता (pdf) x वरील बेल वक्राची उंची आहे; ती स्वतः एक शक्यता नाही. क्युमुलेटिव्ह वितरण (cdf) x वरील वक्राच्या खाली क्षेत्र आहे, जे x वरील किंवा त्याखालील मूल्याची शक्यता दर्शविते.
याचे कारण म्हणजे याचे मूल्य शून्य आहे.
सामान्य वितरण प्रमाणे, कोणत्याही एका विशिष्ट बिंदूची शून्य शक्यता असते - फक्त दायरे शून्य-अनुरूप शक्यता आहेत. म्हणूनच आम्ही x वर घनता आणि P (X = x) पेक्षा जास्त क्युमुलेटिव्ह क्षेत्र नोंदवतो.
६८-९५-९९.
सामान्य वितरण करीता, अंदाजे 68% मूल्ये सरासरीच्या एक मानक विचलनाच्या आत, 95% दोनच्या आत व 99.7% तीनच्या आत आहेत. हे अचूक क्षेत्राची गणना न करता मूल्य किती असामान्य आहे हे ठरविण्याकरीता एक जलद मार्ग आहे.
दोन मूल्यांमधील संभाव्यता कशी शोधू?
x च्या खालील मूल्याप्रमाणे आणि x२ च्या वरील मूल्याप्रमाणे प्रविष्ट करा; गणकयंत्र P(x ≤ X ≤ x२) वरच्या बिंदूपासून खालील बिंदूवरील साठवणी संभाव्यता काढून परत देईल.
सामान्य वितरण आणि मानक सामान्य वितरण दरम्यान फरक काय आहे?
मानक सामान्य वितरण0चे सरासरी व 1 चे मानक विचलन सह फक्त सामान्य वितरण आहे. z- गुणांक करीता कोणतीही किंमत रूपांतरित करणे मानक सामान्य वितरणावर दर्शविते, जे कोणत्याही μ व σ करीता या साधनने संभाव्यता कशी मोजते.
याचे कारण म्हणजे, हे सर्वसाधारणपणे सामान्य आहे.
No real data is exactly normal, but the results are reliable when the data is roughly bell-shaped and symmetric. For strongly skewed or heavy-tailed data the probabilities are only approximate.
API — कोड पासून हे कॅल्क्युलेटर वापरा
या कॅल्क्युलेटरला मोफत JSON अंतबिंदू म्हणून कॉल करा - कुठलीही कि आवश्यक नाही. खालील क्षेत्र मूल्ये क्वेरी पेरेन्ट किंवा JSON म्हणून पाठवा. पूर्ण API दस्तऐवजीकरण वाचा →
अंतबिंदू
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);याचे परिणाम केवळ सामान्य मार्गदर्शनासाठी आहेत, आर्थिक, वैद्यकीय किंवा कर सल्लागार नाही.