Обычный калькулятор распределения
Найти вероятность и кумулятивную вероятность для нормального значения.
Результаты обновляются по мере их печатания.
О калькуляторе
Обычное распределение (гауссиан) — классическая симметричная кривая колокола, описывающая высоту, ошибки измерений, оценки испытаний и бесчисленные другие естественные количества. Учитывая значение x, средний μ и стандартное отклонение β, этот калькулятор возвращает вероятность при x, кумулятивную вероятность P(X ≤ x) (район под кривой влево), вероятность правой кромки P(X ≥ x) и эквивалентную z-score и настраивает кривую. Внутри себя он преобразует x в z-score, z = (x - μ) / Δ, затем оценивает стандартно-суммметическое распределение с точным приближением функции ошибки. Введите факультативное верхнюю границу x2 для получения диапазона P(x ≤ X ≤ x ≤ x2), рассчитанного как разница между двумя кумулятивными значениями. Ваш пример: для распределения с μ = 100 и ≥ = 15, значение х = z-корень (1120 - 100) ≥ 15 ≥ ×1,3
Часто задаваемые вопросы
Какая разница между pdf и cdf?
Плотность вероятности (pdf) — это высота кривой колокола при x; она сама по себе не является вероятностью. Кумулятивное распределение (cdf) — это площадь под кривой до x, которая дает вероятность значения при x или ниже.
Почему вероятность точного нуля?
Для непрерывного распределения, как обычно, любая конкретная точка имеет нулевую вероятность — только диапазоны имеют ненулевую вероятность. Вот почему мы представляем плотность при x и совокупной площади, а не P(X = x).
Какое правило 68-95-99.7?
Для нормального распределения около 68% значений находятся в пределах одного стандартного отклонения от среднего значения, 95% в пределах двух и 99,7% в пределах трех.
Как мне найти вероятность между двумя значениями?
Введите нижнее значение как x, а верхнее значение как x2; калькулятор возвращает P(x ≤ X ≤ x2) путем вычитания кумулятивной вероятности в нижней точке из верхней точки.
Какова разница между нормальным распределением и нормальным?
Стандартная норма - это просто нормальное распределение со средним значением 0 и стандартным отклонением 1. Преобразование любого значения в его z-score картирует его в стандартное нормальное, что является способом расчета вероятности любого μ и Δ.
Мои данные должны быть абсолютно нормальными?
Для данных, сильно искажающих или сильно загруженных, вероятность является лишь приблизительной.
API — использовать этот калькулятор из кода
Назовите этот калькулятор свободным конечным пунктом JOSON — не требуется ключа. Отправьте полевые значения ниже в качестве параметров запроса или JOSON. Читать полные документы API →
Конечный показатель
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);Результаты являются лишь оценками общего руководства, а не финансовыми, медицинскими или налоговыми рекомендациями.