Máy tính phân phối chuẩn (Gaussian) online

Công cụ tính phân phối chuẩn này giúp bạn tìm xác suất, mật độ và điểm z từ một phân phối dạng chuông bằng giá trị trung bình và độ lệch chuẩn. Công cụ dựa trên phân phối chuẩn tắc dùng trong thống kê. Để xem nguồn tham khảo chính thức đáng tin cậy, hãy tham khảo NIST/SEMATECH e-Handbook of Statistical Methods: NIST.

Dùng công cụ bên dưới để kiểm tra xác suất một giá trị nhỏ hơn một điểm, lớn hơn một điểm hoặc nằm giữa hai giá trị. Bạn cũng có thể tính điểm z của một giá trị hoặc mật độ tại đúng một điểm.

Chia sẻ nội dung này?

Sao chép liên kết ✓

Công cụ này làm gì

Công cụ hoạt động với phân phối chuẩn, còn gọi là phân phối Gauss. Bạn nhập giá trị trung bình, độ lệch chuẩn và giá trị hoặc khoảng muốn kiểm tra. Sau đó, công cụ sẽ hiển thị kết quả dưới dạng số rõ ràng và giải thích ý nghĩa của kết quả.

• Nhỏ hơn một giá trị: xác suất X nhỏ hơn giá trị đã chọn
• Lớn hơn một giá trị: xác suất X lớn hơn giá trị đã chọn
• Nằm giữa hai giá trị: xác suất X nằm trong một khoảng
• Mật độ: mức tập trung của đường cong tại một điểm, không phải xác suất của đúng một giá trị
• Điểm z: mức độ một giá trị cách giá trị trung bình, tính theo độ lệch chuẩn

Cách dùng

1. Chọn kiểu tính.
2. Nhập giá trị trung bình.
3. Nhập độ lệch chuẩn.
4. Nhập một giá trị, hoặc hai giá trị nếu tính theo khoảng.
5. Bấm Tính.

Cách đọc kết quả

Một xác suất như 0.841345 có nghĩa là khoảng 84.13%. Điểm z bằng 1.5 nghĩa là giá trị cao hơn giá trị trung bình 1.5 độ lệch chuẩn. Điểm z âm nghĩa là giá trị thấp hơn giá trị trung bình.

Ở chế độ mật độ, kết quả không phải là xác suất của đúng một giá trị. Trong phân phối liên tục, xác suất đến từ một khoảng, không phải từ một điểm đơn lẻ.

Phân phối chuẩn và phân phối Gauss

Không có khác biệt. Phân phối chuẩn và phân phối Gauss là hai tên gọi của cùng một đường cong hình chuông.

Khi nào nên dùng

Công cụ này hữu ích cho thống kê, điểm thi, kiểm soát chất lượng, nghiên cứu, kỹ thuật, tài chính và phân tích dữ liệu. Nó giúp bạn nhanh chóng hiểu một giá trị hoặc một khoảng có khả năng xảy ra đến mức nào trong mô hình phân phối chuẩn.

Công cụ đáng tin cậy khi dữ liệu của bạn có thể được mô hình hóa hợp lý bằng phân phối chuẩn. Không phải bộ dữ liệu thực tế nào cũng đi theo đường cong hình chuông hoàn hảo, vì vậy kết quả tốt nhất khi mô hình phân phối chuẩn phù hợp với dữ liệu của bạn.

CalcuLife.com