සාමාන්ය බෙදාහැරීම ගණනය
සාමාන්ය අගය සඳහා සම්භාවිතාව ඝනත්වය සහ සමුච්චිත සම්භාවිතාව සොයා.
ඔබ ටයිප් ලෙස ප්රතිඵල යාවත්කාලීන.
මෙම කැල්ක්යුලේටරය ගැන
The normal (Gaussian) distribution is the classic symmetric bell curve that describes heights, measurement errors, test scores and countless other natural quantities. Given a value x, a mean μ and a standard deviation σ, 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.
Internally it converts x to a z-score, z = (x − μ) / σ, then evaluates the standard-normal cumulative distribution with an accurate error-function approximation. Enter an optional upper bound x₂ to get the range probability P(x ≤ X ≤ x₂), computed as the difference of the two cumulative values.
Worked example: for a distribution with μ = 100 and σ = 15, a value of x = 120 has a z-score of (120 − 100) ÷ 15 ≈ 1.33, so P(X ≤ 120) is about 90.9% and the right tail P(X ≥ 120) about 9.1%. This is the tool behind IQ scores, control charts and the empirical 68–95–99.7 rule.
නිතර අසන ප්රශ්න
pdf සහ cdf අතර වෙනස කුමක්ද?
මෙම සම්භාවිතාව ඝනත්වය (PDF) x දී බෙල් වෘත්තාකාර උස වේ; එය තමා විසින් සම්භාවිතාව නොවේ. රාශිභූත බෙදාහැරීම (CDF) x දක්වා වෘත්තාකාර යටතේ ප්රදේශය, හෝ x යටතේ අගය සම්භාවිතාව ලබා දෙන.
ඇයි හරියටම අගය ශුන්ය සම්භාවිතාව වන්නේ?
සාමාන්ය වැනි අඛණ්ඩ බෙදාහැරීම සඳහා, ඕනෑම තනි නිශ්චිත ලකුණ ශුන්ය සම්භාවිතාව ඇත - පමණක් පරාසයන් ශුන්ය නොවන සම්භාවිතාව ඇත. ඒ නිසා අපි x දී ඝනත්වය වාර්තා සහ රාශිභූත ප්රදේශයේ වෙනුවට පී (X = x) ඒ නිසා.
68-95-99.7 නීතිය කුමක්ද?
සාමාන්ය බෙදාහැරීම සඳහා වටිනාකම් 68% ක් පමණ මධ්යම එක් සම්මත විචලනය තුළ, දෙකක් තුළ 95% ක් හා තුනක් තුළ 99.7% ක් බොරු. එය නිවැරදි ප්රදේශය ගණනය නොකර අගය කොතරම් අසාමාන්ය විනිශ්චය කිරීමට ඉක්මන් ක්රමයක් වේ.
මම කොහොමද අගයන් දෙකක් අතර සම්භාවිතාව සොයා ගන්නේ කෙසේද?
x ලෙස පහළ අගය හා x2 ලෙස ඉහළ අගය ඇතුලත්; ගණක යළි P (x ≤ X ≤ x2) ඉහළ ස්ථානයක එක් සිට පහළ ස්ථානයක සමුච්චිත සම්භාවිතාව අඩු කිරීමෙන්.
සාමාන්ය බෙදාහැරීම හා සම්මත සාමාන්ය අතර වෙනස කුමක්ද?
සම්මත සාමාන්ය0සමස්තයක් සහ සම්මත විචලනය 1 සමග සාමාන්ය බෙදාහැරීම පමණක් වේ. එහි z-ලකුණු ඕනෑම අගයකට පරිවර්තනය සම්මත සාමාන්ය මත එය සිතියම්, මෙම මෙවලම ඕනෑම μ හා σ සඳහා සම්භාවිතාව ගණනය කරන ආකාරය වන.
මගේ දත්ත සම්පූර්ණයෙන්ම සාමාන්ය වෙන්න ඕනද?
කිසිදු සැබෑ දත්ත නිශ්චිතවම සාමාන්ය වේ, නමුත් දත්ත දළ වශයෙන් බෙල්-හැඩැති හා සමමිතික වන විට ප්රතිඵල විශ්වාසදායක වේ. ශක්තිමත් ව්යාජ හෝ බර-tailed දත්ත සඳහා සම්භාවිතාවයන් ආසන්න වශයෙන් පමණක් වේ.
API - කේතය සිට මෙම කැල්ක්යුලේටරය භාවිතා
කිසිදු යතුරක් අවශ්ය - නිදහස් JSON අවසන් ස්ථානයක් ලෙස මෙම ගණනය කිරීම් ඇමතුම්. විමසුම් පරාමිතීන් හෝ JSON ලෙස පහත ක්ෂේත්ර අගයන් යවන්න. ඔබ අතහැර දමන ඕනෑම දෙයක් මෙම පිටුව සමග පෙර පිරවීම වන එම පෙරනිමි භාවිතා; නොදන්නා පරාමිතියක් 400 වේ, නිහඬ ශුන්ය කිසි විටෙකත්. සම්පූර්ණ API ලේඛන කියවන්න →
අවසාන ස්ථානය
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);ප්රතිඵල සාමාන්ය මග පෙන්වීම සඳහා පමණක් ඇස්තමේන්තු, මූල්ය, වෛද්ය හෝ බදු උපදෙස් නොවේ.