正常分配计算器

Q: pdf和cdf有什么区别?

概率密度(pdf) 是钟曲线在 x 时的高度; 其本身不是一个概率。 累积分布 (cdf) 是曲线下直至 x 的区域, 显示在 x 时或 x 下值的概率 。

Q: 正常分配与标准正常之间有什么区别?

标准正态只是平均值为0和标准偏差为1的正常分布。 将任何值转换成其z-core地图, 转换成标准正态, 也就是这个工具如何计算任何 μ和 的概率。

Q: 我的数据显示是否必须完全正常?

没有真实数据是正常的,但当数据大致是钟形和对称时,结果是可靠的。 对于严重偏斜或重尾数据来说,概率只是近似。

查找概率密度和累积概率,以得出一个正常值。

P(X xxx) —

P(X xx) —

P(x X x2) —

零分 —

概率密度 —

输入结果时更新。

关于此计算器

正常( 毛利) 分布是典型的对称钟钟曲线, 描述高度、测量错误、测试分和无数其他自然数量。如果值 x、平均值和标准偏差 =, 则计算器返回x的概率密度, 累积概率 P( X x x xxxxx) (曲线向左的曲线下方区域) 的累积概率, 右尾概率 P( X xxxxxxxx) 和等等效 z- 核心以及绘制曲线。内部, 它将x转换成z- 、 z z = (x- 15- μ) /, 然后用准确错误- 差差差点近点来评估标准- 正常累积分布。输入可选的上界x2 以乘以两个累积值的差差差差的概率 P( xx X X xxxxxxx) 。右- 概率 P( = 100 和 3, = 120 z- z- z z- 15- { I- 15 33,

经常问到的问题

pdf和cdf有什么区别?

概率密度(pdf) 是钟曲线在 x 时的高度; 其本身不是一个概率。累积分布 (cdf) 是曲线下直至 x 的区域, 显示在 x 时或 x 下值的概率。

为什么准确值为零的概率?

对于像正常一样的连续分布,任何一精确点的概率为零——只有范围为非零概率。这就是为什么我们报告x的密度和累积区域而不是P(X=x)的原因。

68-95-99.7规则是什么?

对于正常分布值的68%左右的值值处于平均值的一个标准差之内,95%在2中,99.7%在3中。这是快速判断一个值的不寻常程度而不计算准确区域的一种方法。

我如何找到两个值之间的概率?

输入以 x 的较低值和以 x2 的上值;计算器返回 P (x X x2),从上点的下点减去在下点的累积概率。

正常分配与标准正常之间有什么区别?

标准正态只是平均值为0和标准偏差为1的正常分布。将任何值转换成其z-core地图, 转换成标准正态, 也就是这个工具如何计算任何 μ和的概率。

我的数据显示是否必须完全正常?

没有真实数据是正常的,但当数据大致是钟形和对称时,结果是可靠的。对于严重偏斜或重尾数据来说,概率只是近似。

API - 使用代码中的计算器

将此计算器称为自由 JSON 端点。不需要按键。将字段值发送到下面作为查询参数或 JSON 。读取 API 全部文件 →

终点

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);

成果仅是一般指导的估计数,而不是财务、医疗或税务咨询。

关于此计算器

经常问到的问题

相关计算器

终点

curl

JavaScript fetch()

JavaScript `fetch()`