正态分布计算器

对 X ~ N(μ, σ²) 计算 P(X ≤ x)、P(X ≥ x)、P(a ≤ X ≤ b),或由概率 p 反求 x。z 分数保持精确分数;概率为数值近似,并展示每一步。
已计算
概率与完整计算过程如下所示。
结果数值

概率

0.908789

90.8789% 的数值

z 分数: z = 4/3精确 ≈ 1.333333数值

对 N(100, 15²),约 90.8789% 的数值低于 120。

图像
x = 1205010015000.010.020.03

分步解答

  1. 1

    标准化为 z 分数

    用 x = 120 减去均值 μ = 100,再除以标准差 σ = 15。所有输入都是有理数,因此 z 分数是精确分数:z = 4/3 ≈ 1.333333。

    z=x−μσ=120−10015=43≈1.333333z = \frac{x - \mu}{\sigma} = \frac{120 - 100}{15} = \frac{4}{3} \approx 1.333333
  2. 2

    计算 Φ(z)

    Φ(z) = ½·(1 + erf(z/√2)) 没有初等函数的封闭形式,因此使用误差函数的数值近似:Φ(1.333333) ≈ 0.908789。

    Φ(43)≈0.908789\Phi\left(\frac{4}{3}\right) \approx 0.908789
  3. 3

    解读结果

    N(100, 15²) 分布中约 90.8789% 的数值低于 x = 120。

    P(X<120)≈0.908789  (90.8789%)P(X < 120) \approx 0.908789 \; (90.8789\%)
  4. 4

    结果

    对 X ~ N(100, 15²),P(X ≤ 120) ≈ 0.908789,即约 90.8789%。

    P(X<120)≈0.908789P(X < 120) \approx 0.908789

关于正态分布

正态分布(高斯分布)就是经典的钟形曲线,完全由均值 μ(中心)和标准差 σ(离散程度)描述。身高、考试成绩和测量误差都近似服从它。

所有概率问题都通过标准化解决:z 分数 z = (x − μ)/σ 表示 x 距均值多少个标准差,再由标准正态分布(这里用数值误差函数)把 z 变成概率。

经验法则:约 68% 的取值落在均值 1σ 之内,95% 在 2σ 之内,99.7% 在 3σ 之内。这里的 z 分数保持精确分数;概率是保留多位小数的数值近似。