← 首页

🔔 正态分布计算器

正态分布计算器是一款免费的统计工具,用来计算钟型正态分布的概率。输入均值 μ 与标准差 σ,再选择模式——小于某值 P(X ≤ x)、大于某值 P(X ≥ x)、介于两值之间 P(a ≤ X ≤ b)。工具会返回概率、对应的 z 分数、概率密度 f(x),以及通俗解读。所有计算都在你的浏览器中本地运行,数据不上传、免注册。学生与分析员用它来做作业、质量控制、风险评估,以及任何需要高斯概率的工作。

计算任意正态分布的累积概率、尾部概率、区间概率。输入 μ 与 σ 即可,全程在本地离线执行。

这是什么工具?

正态分布——又称高斯分布或钟型曲线——是统计学中最重要的连续概率分布。它对称的钟型曲线完全由两个参数决定:均值 μ 决定曲线的中心位置,标准差 σ 决定曲线的宽窄。著名的 68-95-99.7 法则指出,大约 68% 的观测值落在均值加减一个标准差内,95% 在两个标准差内,99.7% 在三个标准差内。 因为许多自然与社会现象都近似正态分布——身高、血压、测量误差、考试成绩、制造公差——正态分布可谓是推断统计的核心。六西格玛质量计划、IQ 量尺、金融风险模型与置信区间,都以它为基础。 μμ−σμ+σP(X≤x)f(x) = (1/σ√2π) e^(−(x−μ)²/2σ²) 这款计算器让你瞬间获得这些概率。选好模式,输入 μ、σ 与数值,它就会返回概率密度 f(x)、累积概率与对应的 z 分数。所有计算都在浏览器中完成——数据不上传。需要延伸分析时,可试试 z 分数计算器、标准差计算器 与 置信区间计算器。

运作原理

计算器先将你输入的数值换算成 z 分数,再求标准正态分布的累积分布函数(CDF)。
概率密度函数(PDF)
f(x) = (1 / (σ√(2π))) · e^(−(x − μ)² / (2σ²))
累积分布函数(CDF)
P(X ≤ x) = Φ(z) = (1/√(2π)) · ∫−∞z e^(−t²/2) dt,其中 z = (x − μ) / σ
由于这个积分没有封闭形式解,工具采用 Abramowitz & Stegun 7.1.26 的误差函数 erf(z) 近似式来计算 Φ(z),精度约可达小数后第七位。从这个 CDF 值可推导出所有模式:左尾 P(X ≤ x) 直接就是 Φ(z);右尾 P(X ≥ x) 为 1 − Φ(z);区间 P(a ≤ X ≤ b) 为 Φ(zb) − Φ(za)。同时也会输出概率密度 f(x),方便你定位该值在曲线上的位置。

z 分数对照百分位表

常见 z 分数对应的累积概率 Φ(z) = P(Z ≤ z)。可用来取代印刷版 z 表快速查询。

z 分数P(Z ≤ z)百分位数右尾 P(Z > z)
−3.000.001350.135%99.865%
−2.580.004940.494%99.506%
−2.000.022752.275%97.725%
−1.960.025002.500%97.500%
−1.6450.050005.000%95.000%
−1.000.1586615.866%84.134%
−0.500.3085430.854%69.146%
0.000.5000050.000%50.000%
0.500.6914669.146%30.854%
1.000.8413484.134%15.866%
1.6450.9500095.000%5.000%
1.960.9750097.500%2.500%
2.000.9772597.725%2.275%
2.580.9950699.506%0.494%
3.000.9986599.865%0.135%

经验法则(68-95-99.7)

正态分布中,落在均值加减 1、2、3 个标准差范围内的百分比。

范围区间区间内概率区间外概率
±1σμ − σ 到 μ + σ≈ 68.27%≈ 31.73%
±2σμ − 2σ 到 μ + 2σ≈ 95.45%≈ 4.55%
±3σμ − 3σ 到 μ + 3σ≈ 99.73%≈ 0.27%

超出 ±3σ 的值(约 0.27%)在质量控制与风险分析中常被视为异常值。双侧 95% 的精确区间是 ±1.96σ,这就是 95% 置信区间的来源。

Ad

使用方法

  1. 输入分布的均值 μ(标准正态请填 0)。
  2. 输入标准差 σ,必须是正数。
  3. 选择模式——小于某值、大于某值,或介于两值之间。
  4. 输入数值 x(区间模式则输入下界 a 与上界 b)。
  5. 按下计算,读取概率、百分比、z 分数、密度 f(x) 与通俗解读。

常见问题

PDF 和 CDF 有什么不同?

概率密度函数 f(x) 是钟型曲线在单一点的高度——它本身不是概率。累积分布函数 Φ(x) = P(X ≤ x) 才是观测值落在 x 及以下范围的实际概率,等于曲线下方从左到 x 的阴影面积。

z 分数和正态分布有什么关系?

z 分数通过 z = (x − μ) / σ 将任意数值换算为标准正态单位。它表示 x 距离均值几个标准差。例如 z = 1.96 代表 x 高于 μ 1.96 个标准差,其右侧尾部概率约为 2.5%。

什么是经验法则 68-95-99.7?

在正态分布中,约 68% 的值落在均值加减 1 个标准差内,95% 在 2 个标准差内,99.7% 在 3 个标准差内。这是不必积分就能快速估计概率的法则,且只适用于正态分布。

为什么 σ 必须是正值?

标准差衡量的是离散程度,必须是正实数。σ = 0 表示所有观测值都等于均值,整个分布塌缩成一点;σ < 0 在数学上没有意义。计算机会拒绝零或负值。

这个工具可以反推——给定百分位数求 x 吗?

不可以。本工具只支持三种模式:小于 P(X ≤ x)、大于 P(X ≥ x)、区间 P(a ≤ X ≤ b)。不提供反推(给定概率求 x)的功能。

计算机可以用于标准正态分布吗?

当然可以。把 μ 设为 0、σ 设为 1,所有结果都会是标准正态形式,与 z 表给的值一致。工具仍会显示 z 分数、密度与累积概率。

技巧与建议

z 分数 ±1.96 对应分布中间 95% 的范围——这正是常见 95% 置信区间的由来。请记住 P(X ≤ μ) 永远等于 0.5,因为正态曲线对均值对称。当 σ 很大时,曲线又扁又宽,尾部概率下降得很慢;σ 很小时,概率会集中在 μ 附近。务必确认 σ 为正值——零或负的标准差不合法,工具会拒绝。使用区间模式时,下界 a 不可超过上界 b。所有计算都在你的浏览器中进行。

相关工具

来源与参考

  1. Abramowitz M, Stegun IA. Handbook of Mathematical Functions, 公式 7.1.26 — 误差函数近似。dlmf.nist.gov。
  2. NIST/SEMATECH. e-Handbook of Statistical Methods — 正态分布。itl.nist.gov。
  3. 维基百科。正态分布。zh.wikipedia.org。

最后审阅:2026 年 8 月。

限制与免责声明

本工具计算高斯概率,用途为教育与分析参考。它假设你的数据确实服从正态分布——实际数据往往偏态或厚尾。

本工具未涵盖的因素:

关键决策请以专业统计软件验证,并咨询合格统计学家。

Ad