Kalkulator rozkładu normalnego
Podaj średnią, odchylenie standardowe oraz wartość (lub dwie granice), aby otrzymać gęstość prawdopodobieństwa, prawdopodobieństwa skumulowane P(X x), P(a < X < b) oraz wynik z dla rozkładu normalnego.
Oblicz prawdopodobieństwa rozkładu normalnego
Wzór rozkładu normalnego
Gdzie:
- \(\mu\) — średnia, środek krzywej dzwonowej
- \(\sigma\) — odchylenie standardowe, rozrzut rozkładu (musi być dodatnie)
- \(x\) — wartość, dla której wyznaczamy gęstość i prawdopodobieństwa
- \(f(x)\) — funkcja gęstości prawdopodobieństwa (PDF), wysokość krzywej w punkcie \(x\)
- \(F(x)\) — dystrybuanta (CDF), pole pod krzywą na lewo od \(x\)
- \(z\) — wynik z, odległość od średniej wyrażona w odchyleniach standardowych
- \(\Phi\) — dystrybuanta standardowego rozkładu normalnego (\(\mu=0,\ \sigma=1\))
Pierwsze równanie definiuje samą krzywą dzwonową. Drugie zamienia dowolną wartość na wynik z i odczytuje prawdopodobieństwo ze standardowej krzywej normalnej, dzięki czemu jedna uniwersalna tabela (albo funkcja błędu) wystarcza dla każdej średniej i odchylenia standardowego.
Rozkład normalny – przykład obliczeń
Przykład: Wyniki IQ mają w przybliżeniu rozkład normalny ze średnią 100 i odchyleniem standardowym 15. Jakie jest prawdopodobieństwo, że losowo wybrana osoba ma IQ poniżej 110?
\[ z=\frac{x-\mu}{\sigma}=\frac{110-100}{15}=0.6667 \]
\[ P(X<110)=\Phi(0.6667)=\frac{1}{2}\left[1+\operatorname{erf}\!\left(\frac{0.6667}{\sqrt{2}}\right)\right]\approx 0.7475 \]
Gęstość prawdopodobieństwa w tym punkcie wynosi \( f(110)=\frac{1}{15\sqrt{2\pi}}e^{-0.6667^2/2}\approx 0.0213 \).
Wynik: P(X < 110) ≈ 74,75%, P(X > 110) ≈ 25,25%, a wynik z wynosi 0,6667.
Jak korzystać z kalkulatora
- Wpisz Średnią (μ) — środek Twojego rozkładu (np. 100).
- Wpisz Odchylenie standardowe (σ) — musi być większe od 0.
- Wybierz potrzebne prawdopodobieństwo: poniżej wartości, powyżej wartości, pomiędzy dwiema wartościami lub poza przedziałem (dwa ogony).
- Dla trybów „poniżej” i „powyżej” wpisz Wartość (x), dla której mają zostać wyznaczone prawdopodobieństwa.
- Dla trybów „pomiędzy” i „poza” wpisz Dolną granicę (a) i Górną granicę (b); górna granica musi być większa od dolnej. Możesz także wpisać x, aby dodatkowo otrzymać gęstość i prawdopodobieństwa skumulowane w tym punkcie.
- Odczytaj wyniki: gęstość prawdopodobieństwa, prawdopodobieństwo skumulowane, prawdopodobieństwo w górnym ogonie, pole między granicami, wynik z oraz interpretację w przystępnym języku.
Czym jest rozkład normalny?
Rozkład normalny (nazywany też rozkładem Gaussa lub krzywą dzwonową) to najczęściej stosowany rozkład prawdopodobieństwa w statystyce. Jest w pełni opisany zaledwie dwiema liczbami: średnią \(\mu\), która wyznacza środek krzywej, oraz odchyleniem standardowym \(\sigma\), które decyduje o tym, jak szeroka lub wąska jest krzywa. Wiele naturalnych pomiarów — wzrost, błędy pomiaru, wyniki testów, ciśnienie krwi — ma w przybliżeniu rozkład normalny, w dużej mierze dzięki centralnemu twierdzeniu granicznemu: gdy sumuje się wiele drobnych niezależnych efektów, całość zmierza ku krzywej dzwonowej.
Krzywa jest symetryczna względem średniej i nigdy nie dotyka zera, rozciągając się w nieskończoność w obu kierunkach. Prawdopodobieństwo dowolnej dokładnej wartości jest zerowe; zamiast tego prawdopodobieństwa odpowiadają polom pod krzywą. Prawdopodobieństwo skumulowane \(F(x)=P(X<x)\) to pole na lewo od \(x\), natomiast \(P(X>x)=1-F(x)\) to pole na prawo. Gęstość prawdopodobieństwa \(f(x)\) sama w sobie nie jest prawdopodobieństwem — to wysokość krzywej, przydatna do porównywania, jak prawdopodobne są różne obszary względem siebie.
Wynik z \(z=(x-\mu)/\sigma\) wyraża wartość jako liczbę odchyleń standardowych od średniej. Wynik z równy 2 oznacza „dwa odchylenia standardowe powyżej średniej”. Zamiana na wyniki z to kluczowy trik: każdy rozkład normalny, niezależnie od swojej średniej i odchylenia standardowego, przekształca się w tę samą standardową krzywą normalną, więc prawdopodobieństwa można odczytać z jednej uniwersalnej funkcji.
Interpretacja wyniku
Reguła 68-95-99,7 (reguła empiryczna) pozwala szybko sprawdzić poprawność każdego wyniku:
| Przedział wokół średniej | Udział danych wewnątrz | Udział na zewnątrz (oba ogony) |
|---|---|---|
| \(\mu \pm 1\sigma\) | 68,27% | 31,73% |
| \(\mu \pm 2\sigma\) | 95,45% | 4,55% |
| \(\mu \pm 3\sigma\) | 99,73% | 0,27% |
Jeśli obliczone prawdopodobieństwo mocno odstaje od tych punktów odniesienia, sprawdź ponownie wprowadzone dane. Na przykład przy ustawieniach domyślnych prawdopodobieństwo wartości poniżej 110 (z = 0,67) powinno wynosić nieco więcej niż 68%, ponieważ 110 leży powyżej średniej, ale poniżej jednego odchylenia standardowego od niej — i 74,75% spełnia to oczekiwanie.
Założenia, ograniczenia i praktyczne wskazówki
- Założenie normalności: kalkulator zakłada, że Twoje dane rzeczywiście mają rozkład normalny. Realne dane są często skośne, ograniczone lub mają ciężkie ogony; prawdopodobieństwa dla wartości skrajnych są szczególnie wrażliwe na to założenie.
- Natura nierówności: dla rozkładu ciągłego \(P(X<x)\) i \(P(X\le x)\) są identyczne, więc nie ma znaczenia, której konwencji używasz.
- Małe prawdopodobieństwa: wartości daleko w ogonach (|z| powyżej około 4) dają prawdopodobieństwa bliskie 0 lub 1; kalkulator pokazuje sześć miejsc po przecinku, więc nadal można je odczytać.
- Próba a populacja: jeśli znasz średnią i odchylenie standardowe populacji, wpisz je. Jeśli dysponujesz jedynie szacunkami z próby, wyniki są przybliżone — przy małych próbach lepiej sprawdzi się rozkład t-Studenta.
- Ujemne lub zerowe σ: odchylenie standardowe musi być ściśle dodatnie; kalkulator odrzuca wszystkie inne wartości, ponieważ zerowy rozrzut zamieniłby krzywą w pojedynczy pik.
- Precyzja: prawdopodobieństwa obliczane są za pomocą aproksymacji funkcją błędu z dokładnością do około 7 miejsc po przecinku, co w zupełności wystarcza w praktyce.
Najczęściej zadawane pytania
Jak obliczyć prawdopodobieństwa rozkładu normalnego ręcznie, bez kalkulatora?
Najpierw zamień swoją wartość na wynik z: \(z = (x - \mu) / \sigma\). Następnie odszukaj wynik z w tabeli rozkładu normalnego standardowego (Z), która podaje \(P(Z < z)\). Górny ogon to \(P(Z > x) = 1 - \Phi(z)\). Dla przedziału odejmij dwie wartości z tabeli: \(P(a < X < b) = \Phi(z_b) - \Phi(z_a)\). Dla ujemnego z wykorzystaj symetrię krzywej: \(\Phi(-z) = 1 - \Phi(z)\).
Jaki wynik z jest dobry lub normalny?
Wynik z mówi, o ile odchyleń standardowych wartość odstaje od średniej. Wartości między −2 a +2 obejmują około 95% przypadków i uznaje się je za typowe. Wynik z poza ±2 jest nietypowy (mniej więcej górne lub dolne 2,5%), a poza ±3 — bardzo rzadki (poza ±3 leży około 0,27% danych). Ogólnie nie ma „dobrego” wyniku z — zależy to od kontekstu: w kontroli jakości pożądane są wyniki z bliskie 0, a w niektórych testach lepszy jest wysoki wynik z.
Dlaczego moje prawdopodobieństwo jest większe niż 1 albo gęstość większa niż 1?
Prawdopodobieństwo nigdy nie może przekroczyć 1, więc jeśli widzisz coś takiego, sprawdź dane wejściowe — najczęściej odchylenie standardowe wpisałeś w złe pole albo jest ono ekstremalnie małe. Gęstość \(f(x)\) większa niż 1 jest natomiast całkowicie poprawna: gęstość to wysokość krzywej, a nie prawdopodobieństwo. Gdy \(\sigma\) jest małe, krzywa jest wąska i wysoka, a wysokość jej szczytu wynosi \(1/(\sigma\sqrt{2\pi})\), co z łatwością może przekroczyć 1.
Czy mogę używać tego kalkulatora dla danych z próby lub rozkładu t?
Używaj go z szacunkami średniej i odchylenia standardowego z próby wyłącznie jako przybliżenia, najlepiej przy co najmniej 30 obserwacjach. Przy małych próbach (mniej więcej n < 30), gdy odchylenie standardowe populacji jest nieznane, lepiej sprawdza się rozkład t-Studenta — ma cięższe ogony, więc prawdopodobieństwa wartości skrajnych wyraźnie się różnią. Jeśli Twoje dane są licznikami, proporcjami lub mocno skośne, lepiej pasować może inny rozkład (Poissona, dwumianowy, logarytmicznie normalny).
Jak znaleźć wartość x odpowiadającą danemu percentylowi?
Ten kalkulator działa „w przód”, ale można cofnąć się ręcznie. Przyjmij percentyl jako ułamek dziesiętny (90. percentyl to 0,90), znajdź wynik z, którego prawdopodobieństwo skumulowane mu odpowiada (dla 0,90 jest to z ≈ 1,2816), a następnie cofnij standaryzację: \(x = \mu + z \cdot \sigma\). Na przykład przy μ = 100 i σ = 15 dziewięćdziesiąty percentyl to 100 + 1,2816 × 15 ≈ 119,2.
Jaka jest różnica między rozkładem normalnym a standardowym rozkładem normalnym?
Standardowy rozkład normalny to po prostu szczególny przypadek z \(\mu = 0\) i \(\sigma = 1\). Każdy rozkład normalny można w niego przekształcić przez standaryzację: odejmij średnią i podziel przez odchylenie standardowe. Właśnie dlatego jedna uniwersalna tabela Z obsługuje wszystkie rozkłady normalne. Jeśli wpiszesz tu średnią 0 i odchylenie standardowe 1, otrzymasz bezpośrednio rozkład normalny standardowy.
Czy ma znaczenie, czy pytamy o P(X < x), czy P(X ≤ x)?
Nie. Dla rozkładu ciągłego, takiego jak normalny, prawdopodobieństwo dowolnej pojedynczej dokładnej wartości jest zerowe — pole pod krzywą w jednym punkcie wynosi zero. Dlatego \(P(X < x)\) i \(P(X \le x)\) są identyczne, i to samo dotyczy górnego ogona. Problem pojawia się dopiero przy przybliżaniu danych dyskretnych (np. wyników egzaminów zaokrąglonych do liczb całkowitych) krzywą normalną — tam dokładność może poprawić korekta ciągłości ±0,5.